Sakhanda Wire
NVDA $152.94 -2.05% MSFT $505.64 -2.38% GOOGL $280.11 -1.27% META $619.47 -1.11% AMZN $256.54 -0.47%
← К новостям

Cohere выпустила Embed 5 для корпоративного поиска и извлечения

Cohere выпустила семейство моделей эмбеддингов Embed 5 для корпоративного поиска, retrieval-augmented generation и агентного извлечения данных. В него входят Embed 5 Pro, ориентированная на максимальное качество поиска, и Embed 5 Fast, рассчитанная на меньшую задержку и стоимость обработки запросов. Обе модели принимают текст, изображения и объединённые текстово-визуальные данные, поддерживают 100+ языков и контекст до 128K токенов.

Pro и Fast работают в общем пространстве эмбеддингов, поэтому индекс можно создать с помощью Pro, а запросы обрабатывать Fast. В тестах Cohere на 40 наборах данных такая схема получила 98.4 балла при норме 100 для Pro плюс Pro. Вариант только с Fast набрал 96.6. Пропускная способность Fast составила 377.3 документа в секунду против 159.7 у Pro. При этом обе стороны должны использовать одинаковую размерность вектора.

Идентификаторы моделей в API — embed-v5.0-pro и embed-v5.0-fast. Они доступны через Cohere API и Model Vault, Microsoft Foundry и Amazon SageMaker; приватное или локальное развертывание поддерживается через vLLM. Цена Pro составляет $0.12 за 1M текстовых токенов, Fast — $0.08, а изображения стоят $0.40 за 1M токенов для обеих моделей. В тестах Cohere Pro опередила Voyage 4 Large, Gemini Embedding 2 и OpenAI text-embedding-3-large в ряде оценок. Компания отмечает, что применённая метрика сильнее отражает качество переранжирования, а независимая проверка ещё не проведена.

Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Репортаж и изображение принадлежат MarkTechPost и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости