先了解这件事
2026年9月30日,Cohere发布Embed 5嵌入模型家族,分为Embed 5 Pro和Embed 5 Fast两档,均支持文本、图像及图文融合输入,覆盖100+语言、最长128K tokens,已在Cohere API、Model Vault、Microsoft Foundry和Amazon SageMaker上线,私有VPC或本地部署走vLLM。两档共享同一向量空间,可用Pro建索引、Fast查询,但两侧必须使用相同输出维度。同日,Cohere提出RCP-nDCG@10企业检索质量评估方法,用校准过的AI评委按统一相关性标准给检索文档打分,以弥补传统nDCG依赖人工qrels的覆盖缺口;其46人人工标注研究显示,qrels预测人类相关性判断的AUC仅0.65,而LLM校准相关性评分可达0.91。据后续报道,Embed 5多数成绩使用该新指标,评测代码已公开但独立复现尚未完成。
AI 根据公开报道生成
最新进展 · 正式报道
Cohere 发布 Embed 5 嵌入模型家族，Pro 与 Fast 共享同一向量空间事件进展
2 个已确认进展
- 来源：MarkTechPost
- 来源：Cohere 产品与研究博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月2日
MarkTechPost
Cohere 发布 Embed 5 嵌入模型家族，Pro 与 Fast 共享同一向量空间
Cohere 发布 Embed 5 嵌入模型家族，分 Embed 5 Pro 和 Embed 5 Fast 两档，均支持文本、图像及图文融合输入，覆盖 100+ 语言、最长 128K tokens，已在 Cohere API、Model Vault、Microsoft Foundry 和 Amazon SageMaker 上线，私有 VPC 或本地部署走 vLLM。两档共享同一向量空间，可用 Pro 建索引、Fast 查询，Cohere 建议的该组合在归一化评测中得 98.4（Pro+Pro 为 100），全 Fast 为 96.6，但两侧必须使用相同输出维度。模型 ID 为 embed-v5.0-pro 和 embed-v5.0-fast，支持 2048 至 256 六种维度、默认 2048，输出 float、int8 或 binary；Pro 每 1M 文本 token 收费 $0.12，Fast 为 $0.08，图像输入两档均为 $0.40。在 ViDoRe V3 上 Pro 平均 85.8，较 Embed 4 提升 8.8 分，Fast 为 84.5，Voyage 4 Large 为 83.7、Gemini Embedding 2 为 83.2、OpenAI text-embedding-3-large 为 75.5；多语言方面 Pro 在欧洲语言平均分 77 领先，但在 Cohere 自测表中 10 种其他语言里有 9 种落后于 Gemini Embedding 2。多数成绩使用 Cohere 新指标 RCP-nDCG@10，评测代码已公开但独立复现尚未完成。
9月30日
Cohere 产品与研究博客一手
Cohere 推出 RCP-nDCG@10：面向企业检索质量的新评测方法
Cohere 提出 Rubric-Calibrated Preferences nDCG@10（RCP-nDCG@10），用校准过的 AI 评委按统一相关性标准给每篇检索文档打分，以弥补传统 nDCG 依赖人工 qrels 造成的覆盖缺口。其 46 人人工标注研究显示，qrels 预测人类相关性判断的 AUC 仅 0.65，而 LLM 校准相关性评分可达 0.91；被基准标为不相关的文档中 28% 被人类判为有用。该指标已用于优化 Cohere 下一代搜索模型。