Cohere發Embed 5：Pro建索引、Fast查詢，不用重建向量庫

動察 Beating AI 快訊，輝達投資的企業 AI 公司 Cohere 發布新一代 embedding 模型 Embed 5，分為 Pro 和 Fast 兩檔。Embedding 模型負責把文字、圖片轉成向量，供搜尋、RAG 和 Agent 找資料。兩款模型支援文字、圖片和混合輸入，覆蓋 100 多種語言，上下文最長 128K token。

兩款模型共用同一向量空間。企業可以先用品質更高的 Pro 給文件建索引，再用更快的 Fast 處理查詢，不需要重新生成整套向量。Cohere 在 40 個資料集上的測試顯示，Pro 建索引、Fast 查詢的綜合成績相當於 Pro 全程方案的 98.4%，差距約 1.6%。

Cohere 的測試中，Embed 5 Pro 在 ViDoRe V3 平均得到 85.8，Fast 為 84.5，高於 Voyage 4 Large 的 83.7 和 Gemini Embedding 2 的 83.2。Fast 每百萬文本 token 定價 0.08 美元，Pro 為 0.12 美元。