A Cohere bemutatta az Embed 5 vállalati keresési modellcsaládot
A Cohere elérhetővé tette az Embed 5 modellcsaládot, amely vállalati kereséshez, RAG-rendszerekhez és ügynökalapú munkafolyamatokhoz készült. A Pro a maximális visszakeresési minőségre, a Fast az alacsony késleltetésre és költségre fókuszál.
- Az Embed 5 Pro és Fast közös beágyazási teret használ.
- Mindkét modell 128K tokenes kontextusablakot és több mint 100 nyelvet támogat.
- Az Embed 5 Pro a Cohere tesztjeiben vezetett vállalati és pénzügyi dokumentumokon.
- A Pro ára 0,12, a Fasté 0,08 dollár egymillió szöveges tokenenként.
- A modellek elérhetők a Cohere API-n, a Model Vaulton, a Microsoft Foundryban és az Amazon SageMakeren.
Két modell, közös vektortér
A 2026. szeptember 30-án bemutatott Embed 5 két változatban érhető el. Az Embed 5 Pro a Cohere szerint a legmagasabb minőségű visszakeresésre optimalizált modell, összetett vállalati adatállományokhoz, pénzügyi dokumentumokhoz, kódhoz, többnyelvű és multimodális tartalmakhoz. Az Embed 5 Fast könnyebb modell, amelyet interaktív kereséshez, nagy mennyiségű RAG-feladathoz és ügynökalapú lekérdezésekhez szánnak.
A két modell ugyanazt a beágyazási teret használja. Ez azt jelenti, hogy a vállalatok az indexelést Pro modellel végezhetik, a lekérdezésekhez pedig később a Pro vagy a Fast modellt is használhatják az index újjáépítése nélkül.
Mindkét változat 128K tokenes kontextusablakkal, több mint 100 nyelv támogatásával és szöveges, képi, illetve egyesített szöveg- és képbemenetekkel rendelkezik. A kimenetek float, int8 és bináris formátumban kérhetők, a válaszvektorok mérete pedig 2048, 1536, 1024, 768, 512 vagy 256 lehet.
Erős eredmények dokumentumokon és pénzügyi adatokon
A Cohere tesztjei szerint az Embed 5 Pro átlagos eredménye volt a legmagasabb a vizsgált modellek között a ViDoRe V3, pénzügyi dokumentumok, feldolgozott PDF-ek, képi keresés és több fontos üzleti nyelv esetében. A ViDoRe V3 nyolc vállalati területet lefedő tesztjén a Pro 85,8-as átlagot ért el, ami 8,8 pontos javulás az Embed 4-hez képest. A Cohere adatai szerint ez megelőzte a Voyage 4 Large (83,7), a Gemini Embedding 2 (83,2) és az OpenAI text-embedding-3-large (75,5) eredményét. Az Embed 5 Fast átlaga 84,5 volt.
A feldolgozott dokumentumok tesztjén a Pro 84,8-as átlaggal végzett az első helyen. A Cohere szerint ez a mérés azért fontos, mert a PDF-ek szöveggé alakítása elveszítheti a táblázatok szerkezetét, a többhasábos elrendezést és a diagramok információit.
Pénzügyi adatállományokon a Pro három nyilvános benchmarkon is első lett: a FinanceBench eredménye 80,1, a FinQA eredménye 90,0, a ViDoRe V3 Finance eredménye pedig 85,0. A Fast ugyanezeken a teszteken 80,0, 88,8 és 83,9 pontot ért el.
Multimodális és többnyelvű vállalati keresés
Az Embed 5 képes közvetlenül oldalaképeket beágyazni, illetve egyetlen vektorban egyesíteni a képet és annak metaadatait. A Cohere szerint az egyesített szöveg- és képtartalmak tesztjén az Embed 5 Pro 82,3-as átlagot ért el öt adathalmazon, míg a Fast 81,2-es eredményt produkált. A Pro oldalaképes keresésben is vezetett a pénzügyi adatokon, 77,0-es átlaggal.
A modellcsaládot több mint 100 nyelven tanították. Német, francia, spanyol, olasz és orosz nyelvű teszteken a Pro átlagos eredménye 77 volt, szemben a Voyage 4 Large 76-os és a Gemini Embedding 2 73-as értékével. A Cohere különösen jelentős javulást jelzett az Embed 4-hez képest perzsa, telugu és hindi nyelven.
Az Embed 5 általánosan elérhető a Cohere API-n és a Model Vaulton, továbbá a Microsoft Foundry és az Amazon SageMaker szolgáltatásain. Az Embed 5 Pro ára szöveges bemenetnél 0,12 dollár egymillió tokenenként, a Fasté 0,08 dollár. Képbemenet esetén mindkét modell ára 0,40 dollár egymillió tokenenként. A Matryoshka-beágyazások, az alacsonyabb pontosságú kimenetek és a kvantált súlyok a Cohere szerint csökkenthetik a vektortárolás, a keresés és a saját üzemeltetés erőforrásigényét.
