Cohere telah merilis Embed 5, keluarga baru model embedding yang terdiri dari dua tingkatan: Embed 5 Pro untuk kualitas pengambilan maksimum dan Embed 5 Fast untuk latensi dan biaya lebih rendah. Kedua model mendukung teks, gambar, dan input terpadu di lebih dari 100 bahasa dengan jendela konteks 128K token.
- Fitur arsitektur utamanya adalah Pro dan Fast berbagi satu ruang embedding, memungkinkan pengguna melakukan indeks dengan satu model dan kueri dengan model lain tanpa perlu mengindeks ulang.
- Embed 5 mendukung dimensi output variabel (dari 2048 hingga 256) dan output presisi lebih rendah (float32, int8, binary), yang secara signifikan mengurangi kebutuhan penyimpanan untuk penyebaran skala besar.
- Pada benchmark ViDoRe V3, Embed 5 Pro mencapai rata-rata 85.8 dan Fast mencapai rata-rata 84.5, mengungguli Voyage 4 Large (83.7) dan Gemini Embedding 2 (83.2).
- Model-model ini tersedia secara umum melalui Cohere API, Model Vault, Microsoft Foundry, dan Amazon SageMaker.
Desain ruang embedding bersama bertujuan untuk mengoptimalkan beban kerja agentic dengan memungkinkan indeks berkualitas tinggi menggunakan Pro sambil mempertahankan kecepatan kueri cepat dengan Fast, sehingga mengurangi latensi untuk agen yang mengeluarkan beberapa pencarian.