Cohere发布Embed 5嵌入模型：Pro与Fast共享向量空间，同步推出RCP-nDCG@10检索评测新指标
发布时间：2026年09月30日 10:30:009月30日Cohere发布第五代嵌入模型Embed 5，分Pro与Fast两档且共享同一嵌入空间：用Pro离线索引、用Fast在线查询无需重建索引，官方方案平均保留98.4%质量；两模型支持128K token输入、文本与图像融合为单一向量、100多种语言、256至2048维及float/int8/二进制输出。Pro文本0.12美元、Fast 0.08美元每百万token，ViDoRe V3得分85.8与84.5领先Voyage 4 Large和Gemini Embedding 2。同日Cohere发布RCP-nDCG@10评测方法，用校准AI裁判替代不完备的人工标注，46名标注者289组盲测中人类70%情况下支持新指标，MTEB维护者已宣布将集成。
一次发布两件事：新模型与新度量衡
9月30日，加拿大企业AI公司Cohere同时落地两项成果：第五代嵌入模型Embed 5，以及配套的检索评测方法RCP-nDCG@10。前者瞄准企业搜索与大规模RAG，后者试图改写嵌入模型的「评分规则」。
Embed 5分为两档且共享同一个嵌入空间：Embed 5 Pro面向最高质量与离线索引，Embed 5 Fast面向交互式搜索、高吞吐RAG与智能体检索。核心用法是「Pro建库、Fast查询」——用Pro离线把语料索引好，线上直接用Fast查询，只要输出维度一致就无需重新索引。在Cohere的40个开发数据集上，这套混合方案平均保留**98.4%**的纯Pro系统质量，而纯Fast系统为96.6%。
规格与价格：128K、图文融合向量、int8存储
| 规格 | Embed 5 Pro / Fast |
|---|---|
| 最大输入 | 128K token |
| 模态 | 文本、图像，或二者融合进同一向量 |
| 语言 | 100多种 |
| 维度 | 256至2048维 |
| 编码格式 | float、int8、二进制 |
| 文本价格 | Pro 0.12美元 / Fast 0.08美元/百万token |
| 图像价格 | 均为0.40美元/百万token |
| 文档处理速度 | Fast平均为Pro的2.4倍 |
Cohere推荐的默认配置是1024维int8：每个向量约1KB，对比2048维float32的8KB，存储成本大幅下降。模型当日已在Cohere API、Model Vault、微软Foundry、亚马逊SageMaker及North上线，也可用vLLM私有化部署。
基准：文档检索领先，多语言并非全胜
| 基准（指标） | Embed 5 Pro | Embed 5 Fast | 对照 |
|---|---|---|---|
| ViDoRe V3八域（RCP-nDCG@10） | 85.8 | 84.5 | Voyage 4 Large 83.7；Gemini Embedding 2 83.2；OpenAI-3-large 75.5 |
| FinanceBench | 80.1 | 80.1 | 领先OpenAI-3-large 21.4分 |
| FinQA | 90.0 | 88.8 | — |
| PDF套件均值 | 84.8 | 83.4 | Voyage 4 Large 83.6；Embed 4 78.6 |
| 图文融合（5数据集nDCG@10） | 82.3 | 81.2 | Gemini Embedding 2 61.3 |
需要注意的是多语言表现：在表格列出的十种语言中，Gemini Embedding 2在九种语言上反超Embed 5 Pro，中文是唯一例外，Voyage 4 Large也在五种语言上领先。Cohere相对Embed 4进步最大的是波斯语（提升达13分）。Cohere将于10月8日在X上举行专场讲解。
RCP-nDCG@10：用AI裁判重写评分规则
新指标的出发点是对传统nDCG的不满：MTEB与BEIR使用的nDCG依赖预先人工标注的文档清单，而清单必然不完备——Cohere研究发现，被标为「不相关」的文档中有28%实际上被人类认为有用。RCP-nDCG@10（Rubric-Calibrated Preferences nDCG@10）改由一个经过校准的AI裁判对每个查询回答五个相同的是非题、分组比较文档，并对固定候选集重排序，测量的是排序质量而非一阶段召回。
验证采用46名标注者、289组对决的盲测：当新旧两个指标选出不同赢家时，人类在**70%**的情况下支持RCP-nDCG。论文、代码与数据已开源，MTEB主要维护者已宣布将集成该指标。Cohere坦言，Embed 5与即将推出的新一代Rerank均按此指标优化，若只看传统nDCG榜单，它们未必总显得最强。
编辑点评
嵌入模型是RAG栈里最不性感却最花钱的一层，Embed 5的「Pro建库+Fast查询」共享空间设计直击企业痛点：索引一次、在线省钱省存储，int8推荐配置把向量数据库账单再砍一刀。但本次更值得重视的是RCP-nDCG@10——当评测的瓶颈从「模型不行」变成「标注不全」，用校准AI当裁判正在成为行业新范式，连MTEB都接了。对选型团队的实操建议有二：一是金融、合同类中文长文档场景值得立刻复测Embed 5（中文恰是其多语言唯一胜场）；二是看榜单时先问指标定义，28%的「假阴性」足以让旧排行榜结论失真。
来源参考：