採用にたとえるなら、埋め込み検索は「書類選考」だ。何万件の中から候補を素早く100件に絞る。ただし書類選考には限界がある——似た経歴が並んだとき、本当に光る1人を選び切れない。そこで面接官を呼ぶ。RAGにおけるその面接官がリランカー(reranker)である。
リランカーは、絞り込まれた候補文書を1件ずつ質問と突き合わせて採点し直す。今朝公開した埋め込みモデルランキングの続編として、この記事も実測ダウンロード数と公式価格だけを根拠に、2026年8月時点の人気実勢を並べる。
上位100件(書類選考) → リランカーが1件ずつ
採点し直す(面接) → 本当に関連する
上位5件をAIへ
図: 2段構え検索の標準構成。リランカーは遅いが正確なので、絞ってから使う(筆者作成)
ランキング: OSSはBGEが「1桁違い」の王者
| 順位 | モデル | 人気の根拠・特徴 | 入手 |
|---|---|---|---|
| 1 | BGE-reranker-v2-m3(BAAI) | 30日1,894万DLで2位以下を1桁引き離す絶対王者。多言語・日本語対応 | Apache-2.0 |
| 2 | Qwen3-Reranker 0.6B〜8B | 32Kコンテキスト・指示対応。第三者ベンチでも多言語最高値クラス | Apache-2.0 |
| 3 | Cohere Rerank v4.0 Pro/Fast | API系の代表格。32Kコンテキストの現行世代へ更新 | API |
| 4 | Voyage rerank-2.5/-lite | $0.02〜0.05/100万トークンでAPI最安クラス | API |
| 5 | GTEリランカー系(Alibaba) | ModernBERTベースの軽量高速枠。計330万DL超 | Apache-2.0 |
| 6 | Jina reranker v3/v3.5 | 131Kコンテキスト・複数文書を1パスで見るリストワイズ型。OSS版は商用不可に注意 | CC-BY-NC/API |
| 7 | zerank-2(ZeroEntropy) | 金融・法務などドメイン特化評価を掲げる新興 | Apache-2.0 |
| 8 | mxbai-rerank-v2(Mixedbread) | サイズ比性能の良さで一定の支持 | Apache-2.0 |
1つ透明性の注記を。Cohereはかつて検索1,000回あたり$2.00という従量価格を公表していたが、現在は公式ページから従量単価が消え、時間貸しの専有インスタンス中心へ移行している。API系で価格を明朗に比べたいなら、現状はVoyageが最も分かりやすい。
入れるべきか迷ったら——「上位5件の質」を見る
リランカーはRAG改善の中で費用対効果が最も高い一手と言われる。埋め込みモデルの差し替えは全文書の再ベクトル化が必要だが、リランカーは検索パイプラインの最後に1段足すだけで、既存の資産に手を付けずに精度が上がるからだ。
判断基準は単純で、いまのRAGで「検索上位5件に正解が入っているのに、20位の文書が欲しかった」という取りこぼしがあるかどうか。あるならリランカーが効く。無いなら埋め込み側の問題なので、先にそちらを見直す。導入はBGE-reranker-v2-m3をローカルで試すのが定番の第一歩で、レイテンシが許容できたら本番へ——という順番が失敗しない。
検索の答え合わせは「面接」まで含めて
書類選考(埋め込み)と面接(リランカー)、そして面接をやり直す判断(エージェンティックRAG)。2026年のRAGはこの三層で精度を組み立てる時代になった。RAGクラスタの記事群とあわせて、自分のパイプラインのどの層が弱いかを一度点検してみてほしい。
出典: Hugging Face API(ダウンロード数実測・2026年8月15日) / BGE-reranker-v2-m3モデルカード / Voyage AI公式(リランカー) / Cohere公式(モデル一覧) / Jina reranker v3.5モデルカード
