微信扫一扫Embed v5.0 Pro
Cohere 多模态向量模型，面向语义检索和文档索引
Embed v5.0 Pro 支持文本、图像及混合文档输入，128k 上下文，输出向量而非聊天答案，Pro 优先质量，Fast 优先低延迟
description详细介绍
模型概述
Embed v5.0 Pro 的模型 ID 为 embed-v5.0-pro，通过 Embed 接口将文本、图像及混合文档（如 PDF）转换为向量，官方目录列出 128k 上下文和 256、512、768、1024、1536、2048 维输出，默认 2048 维
适合谁使用
适合多模态语义检索、文档索引、分类和 RAG，Pro 侧重质量，Fast 侧重低延迟，模型不生成聊天答案，切换模型需验证现有索引兼容性，发布日期与价格尚未确认
lightbulb典型场景
- 语义检索向量化
- RAG 知识库索引
- 文本聚类和相似度计算
- 跨语言检索
thumb_up优势特点
- Cohere 聚焦企业检索和 RAG 场景
- 生成、嵌入、重排序模型组合完整
- 适合知识库和搜索链路
- 多语言能力适合全球化业务
info局限性
- 最佳效果依赖检索链路设计
- 嵌入和重排序模型通常不直接用于对话生成
- 中文效果和行业术语需单独评估
- 具体限制以 Cohere 官方文档为准