Cohere发Embed 5：Pro建索引、Fast查询，不用重建向量库

动察 Beating AI 快讯，英伟达投资的企业 AI 公司 Cohere 发布新一代 embedding 模型 Embed 5，分为 Pro 和 Fast 两档。Embedding 模型负责把文字、图片转成向量，供搜索、RAG 和 Agent 找资料。两款模型支持文字、图片和混合输入，覆盖 100 多种语言，上下文最长 128K token。

两款模型共用同一向量空间。企业可以先用质量更高的 Pro 给文档建索引，再用更快的 Fast 处理查询，不需要重新生成整套向量。Cohere 在 40 个数据集上的测试显示，Pro 建索引、Fast 查询的综合成绩相当于 Pro 全程方案的 98.4%，差距约 1.6%。

Cohere 的测试中，Embed 5 Pro 在 ViDoRe V3 平均得到 85.8，Fast 为 84.5，高于 Voyage 4 Large 的 83.7 和 Gemini Embedding 2 的 83.2。Fast 每百万文本 token 定价 0.08 美元，Pro 为 0.12 美元。