⚡

开发者 3 秒速决决策指标

TL;DR Verdict
🏆 权威跑分段位72s 必看
双档同空间：Pro 索引 + Fast 查询；官博称跨模型组合相对同模型
查看天梯总榜→
💰 调用成本与套餐比价
规格：128K 上下文；维度 2048…256；float/
查可用套餐与测算↗
🛠️ 开发与接入生态Rules
rag · agentic-retrieval
配置 IDE 专属规则↗

Cohere 于 2026-09-30 发布嵌入家族 Embed 5：Pro（质量优先）与 Fast（延迟/成本优先）共享同一 embedding space，可 Pro 建索引、Fast 查而无需重建。多模态（文本/图像/融合）、128K 上下文、100+ 语言；API 模型名 embed-v5.0-pro / embed-v5.0-fast。官博：ViDoRe V3 上 Pro 均 85.8（相对 Embed 4 +8.8）；定价文本 $0.12 / $0.08 per M tokens。已上 Cohere API、Model Vault、Azure Foundry、SageMaker，可 vLLM 私有化。

核心要点速览 (Key Takeaways)

  • ✓发布日 2026-09-30；主文 cohere.com/blog/embed-5；文档入口 Cohere Embed docs
  • ✓双档同空间：Pro 索引 + Fast 查询；官博称跨模型组合相对同模型基线平均损失约 1.6%–2.7%（40 个开发集）
  • ✓检索：ViDoRe V3 Pro 85.8（+8.8 vs Embed 4），领先 Voyage 4 Large 83.7、Gemini Embedding 2 83.2；Fast 84.5
  • ✓规格：128K 上下文；维度 2048…256；float/int8/binary + Matryoshka；文本价 Pro $0.12/M、Fast $0.08/M（图像均 $0.40/M）
  • ✓落地：co.embed(model="embed-v5.0-pro"|"embed-v5.0-fast", …)；Foundry/SageMaker/vLLM；集成 LangChain、Weaviate、Qdrant、Pinecone 等
🧭

阅读完核心要点？进一步了解模型实力与实际开销

7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算

🏆 天梯榜(72s必看)→💰 比价测算↗
🔗

相关资源与官方项目出处

免代理直达
💡 国内无需访问 Twitter，可直接访问上述项目官方资源与文档
📝
Embed 5: Frontier Embedding Models — Cohere Blog
cohere.com/blog/embed-5
↗
📖
Cohere Embed documentation
docs.cohere.com/docs/cohere-embed
↗
📖
Cohere Embed API reference
docs.cohere.com/reference/embed
↗
🔬

深度技术解析与实战评估

核心背景与行业痛点

Agent / RAG 的钱往往耗在「检不准 → 生成模型硬扛噪声」。企业语料又是扫描 PDF、表格、幻灯与多语言混杂；一套「最强但贵」与一套「快但要重建索引」的双模型，运维成本极高。Cohere 在 2026-09-30 官博 推出 Embed 5 家族，用 Pro / Fast 共享向量空间直接回应：离线用 Pro 建库，在线用 Fast 查，无需 re-index。

架构亮点与底层机制

两档均支持文本、图像、fused text+image；上下文 128K；输出维度 2048/1536/1024/768/512/256；格式 float / int8 / binary，并带 Matryoshka 截断。API 示例模型 id：embed-v5.0-pro、embed-v5.0-fast（见官博代码）。共享空间经 40 个开发集交叉评测：以 Pro+Pro=100 归一化后，Pro 语料 + Fast 查询约 98.4，Fast+Fast 96.6。压缩上，官博举例 2048-d float32≈8KB → 256-d binary≈32B（约 256×）；多数部署建议 1024-d int8。分发：Cohere API / Model Vault、Microsoft Foundry、Amazon SageMaker；私有化可用 vLLM；批处理嵌入支持大规模摄入。

权威 Benchmark 与实测跑分对比

以下为 Cohere 官博自报（含其 RCP-nDCG@10 方法），第三方复现以原文脚注/GitHub 标注为准。ViDoRe V3（解析文本）：Pro 均 85.8（较 Embed 4 +8.8），对比 Voyage 4 Large 83.7、Gemini Embedding 2 83.2、OpenAI text-embedding-3-large 75.5；Fast 84.5。金融：FinanceBench Pro/Fast 80.1 / 80.0，FinQA 90.0 / 88.8，ViDoRe V3 Finance 85.0 / 83.9。解析 PDF 套件均分 Pro 84.8 vs Voyage 4 Large 83.6、Gemini Embedding 2 80.8。吞吐：Fast 文档吞吐平均约为 Pro 的 2.4×（~200 / ~1K token 语境）。定价（文本）：Pro $0.12/M tokens，Fast $0.08/M；图像两档均为 $0.40/M。

开发者实战落地与开箱指南

  1. 读 Embed 5 博文 与 Embed 文档，创建 API key。
  2. 索引路径优先 embed-v5.0-pro + input_type="search_document"；在线查询用 embed-v5.0-fast + search_query，维度与量化格式保持一致。
  3. 向量库侧对齐 int8/binary 与 Matryoshka；先在自有语料用 RCP/nDCG 抽样，勿只抄公开榜。
  4. 云上可选 Foundry / SageMaker；内网用 vLLM 拉私有权重服务。
  5. 生态：官博列出 LangChain、Haystack、Weaviate、Qdrant、Pinecone、Elasticsearch、MongoDB、Redis、Milvus、OpenSearch 等集成——以各连接器当前版本为准。