Cohere 发布 Embed 5 嵌入模型：Pro 与 Fast 两款共享向量空间，支持图文混合输入和 128k 上下文
Cohere 发布 Embed 5 嵌入模型系列，分为追求检索质量的 embed-v5.0-pro 和追求低延迟的 embed-v5.0-fast，两者共享向量空间，可把文本、图片和图文混排的 PDF 页面编码为同一个向量，已通过 Cohere Embed API、Microsoft Foundry 和 Amazon SageMaker 提供。
Cohere 在官方更新日志中宣布 Embed 5，称这是其迄今最强的嵌入模型系列，在视觉内容丰富的文档、财报、解析后的 PDF、代码和多语言检索上较 Embed 4 有大幅提升。
系列分两款：embed-v5.0-pro 面向最高检索质量，适合离线建索引；embed-v5.0-fast 面向低延迟和高吞吐，适合交互式搜索、智能体循环和大量查询。两者共享同一个向量空间，用一款建的索引可以用另一款查询，Cohere 建议用 Pro 建索引、用 Fast 查询。
Embed 5 可把文本、图片以及图文混合输入（如 PDF 页面）编码为单个向量，支持 100 多种语言和 128k token 上下文，并提供 256 到 2048 的多种 Matryoshka 维度，以及 float、int8 和二进制输出。微软 Foundry 的模型页介绍，单张图片最多约两百万像素，可直接从 PDF、幻灯片、表格和图表的截图中提取关键视觉特征，省去复杂的文档解析。
Embed 5 已通过 Cohere 的 Embed API 提供，也上架 Microsoft Foundry 和 Amazon SageMaker；需要单租户部署的企业可通过 Cohere 的 Model Vault 使用。更新日志未列出价格。
来源
- Announcing Cohere's Embed 5 Models — docs.cohere.com
- Cohere-Embed-V5-Pro | Model Catalog | Microsoft Foundry — ai.azure.com