Cohere 发 Embed 5：Pro/Fast 共享一套向量空间，128K 上下文

海外大模型嵌入模型检索Cohere · 2026-09-30 · 约2分钟 · 来源：Cohere 官方博客

Cohere 9 月 30 日发布 Embed 5，一组面向企业检索的嵌入模型，分 Pro 与 Fast 两档。最重要的一处设计是两档共用同一向量空间：团队可以用 Pro 建索引，再用 Pro 或 Fast 查询而不必重建索引，也就是在同一条检索链路上按成本与延迟需要切换档位。两档上下文都是 128K token，支持 100+ 语种，输入可以是文本、图像或图文融合，输出维度有 2048/1536/1024/768/512/256 六档（Matryoshka 表示），支持 float、int8、binary 三种向量格式以压存储与检索成本，也支持私有化自部署。

Cohere 说 Embed 5 Pro 是它测过的模型里检索平均分最高的，覆盖 ViDoRe V3、金融文档、解析后的 PDF、图像检索与主要商业语种。它还是第一个用 Cohere 自家 RCP-nDCG@10 方法评测的模型家族——不再只对少量固定标注打分，而是按检索结果对下游任务的实际贡献计分（该方法同日另发一文说明）。Embed 5 已在 Cohere API、Model Vault、Microsoft Foundry 与 Amazon SageMaker 上通用可用，Pro 每百万 token 收 0.12 美元（图像 0.40 美元）、Fast 收 0.08 美元（图像 0.40 美元）。

与前代的差别不只在分数：Embed 5 把「多模态 + 长上下文 + 可降维」放进同一个家族，并让两档共享向量空间与输出格式，走的是让企业在同一套索引上按成本调档的路子，而不是每换一档就重跑一遍索引。Cohere 把它的位置说成搜索、RAG 与智能体工作流的检索地基——在把上下文送给贵得多的生成模型之前，先把不相关的噪音滤掉。

原文链接：Cohere 官方博客

核验记录

一手页 cohere.com/blog/embed-5 直读 200 / 494,009 字节；JSON-LD 的 datePublished 与 dateModified 同为 2026-09-30T09:51:00.000Z，页内无可见文字日期，日期取自该 JSON-LD；博客列表页该条标注 Sep 30, 2026，两处一致。双档参数（128K 上下文、100+ 语种、2048–256 六档维度、float/int8/binary、共享向量空间可互相替换查询）与价格 0.12/0.08/0.40 美元均逐句取自该页正文与参数表。配图取自该页 og:image（cdn.sanity.io，含 rect 裁剪参数，URL 未截断），裸请求与带站内 Referer 各一次均 200 / 1,508,431 字节 PNG。

← 上一篇OpenAI 联手 Synopsys 做 GPT-Synopsys：把前沿模型训成 EDA 老手下一篇 →谷歌发 Gemini 4 Argon：输出上限提到 100 万 token，先给受信任网安方

← 返回资讯流查看原文 ↗