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%
← До новин

Cohere випустила Embed 5 для корпоративного пошуку та вилучення

Cohere випустила сімейство моделей векторних представлень Embed 5 для корпоративного пошуку, retrieval-augmented generation та агентного вилучення даних. До нього входять Embed 5 Pro, орієнтована на максимальну якість пошуку, і Embed 5 Fast, розрахована на меншу затримку та вартість під час обробки запитів. Обидві моделі працюють із текстом, зображеннями та об’єднаними текстово-візуальними даними, підтримують 100+ мов і приймають до 128K токенів.

Pro і Fast використовують спільний простір представлень, тому індекс можна створювати за допомогою Pro, а запити обробляти Fast. У тестах Cohere на 40 наборах даних така схема отримала 98.4 за нормованого результату 100 для Pro плюс Pro. Варіант лише з Fast набрав 96.6. Fast обробляла 377.3 документа на секунду проти 159.7 у Pro. Обидві моделі мають використовувати однакову розмірність вектора.

Ідентифікатори моделей в API — embed-v5.0-pro та embed-v5.0-fast. Вони доступні через Cohere API і Model Vault, Microsoft Foundry та Amazon SageMaker; приватне або локальне розгортання підтримується через vLLM. Pro коштує $0.12 за 1M текстових токенів, Fast — $0.08, а зображення — $0.40 за 1M токенів для обох моделей. У тестах Cohere Pro випередила Voyage 4 Large, Gemini Embedding 2 та OpenAI text-embedding-3-large у низці оцінювань. Водночас використана метрика більше характеризує якість переранжування, а незалежного відтворення результатів ще немає.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини