New Hot

Cohere Embed 5 与 Rerank 5 上线 OpenRouter:Pro 与 Fast 四款模型开放

CohereEmbed 5Rerank 5模型发布

Cohere 的 Embed 5 与 Rerank 5 以 Pro、Fast 两种规格上线 OpenRouter,可通过其 Embeddings 与 Rerank API 调用,沿用现有 OpenRouter API key。Embed 5 支持文本、图像与混合输入,Pro 与 Fast 共享嵌入空间。

Cohere 四款模型上线 OpenRouter,Embed 5 支持图像输入

Cohere 把 Embed 5 与 Rerank 5 的 Pro、Fast 四个模型接入了 OpenRouter。 你可以用现有 OpenRouter API key 调用,不需要再单独接入 Cohere API。

四个模型与各自定位

  1. Embed 5 Pro:面向最高检索质量,重点是离线索引与质量优先的检索场景。
  2. Embed 5 Fast:面向低延迟与高吞吐,适合交互搜索、Agent 循环和高频查询。
  3. Rerank 5 Pro:面向最高重排质量,适合复杂推理型查询与长文档、领域文档。
  4. Rerank 5 Fast:保留 Rerank 5 的质量,面向对延迟和成本敏感的工作负载,官方称超过 Rerank 4 Pro。

输入形态与模型 ID

Embed 5 接受文本、图像和混合输入,例如 PDF 页面。对应模型 ID 为 cohere/embed-5-pro、cohere/embed-5-fast、cohere/rerank-5-pro、cohere/rerank-5-fast。(来源:Cohere 官方更新日志)

共用嵌入空间

官方原文称:“Embed 5 Pro and Fast share an embedding space, so you can index your corpus with Pro and embed queries with Fast.” 这意味着可以用 Pro 建索引、用 Fast 处理在线查询,而不必维护两套向量。

旧版本未说明下线,迁移重点是替换 cohere 模型 ID

已经在 OpenRouter 上跑搜索或 RAG 管线的开发者可以直接接入,旧版本状态官方没有给出下线说明。 迁移主要是换模型 ID。

旧版本与模型 ID

  • 旧版本影响:官方未说明 Embed 4 或 Rerank 4 是否下线;新模型与旧模型并存。
  • 模型 ID 兼容性:需要把请求里的模型 ID 换成新的 cohere/* 标识,参数结构沿用 OpenRouter 的 Embeddings 与 Rerank API。

版本状态与迁移成本

  • 版本状态:Embed 5 与 Rerank 5 已上线 OpenRouter,属于可用状态。
  • 迁移成本:已有 OpenRouter key 的项目改动集中在模型 ID;向量库若混用新旧模型,需要重新索引。(来源:Cohere 官方更新日志)

重建索引可复用嵌入空间,Fast 适合交互搜索

从实际使用角度看,已经在 OpenRouter 上做检索与重排的项目值得升级,尤其是需要图像输入或想用 Fast 降延迟的场景;只用 Cohere 原生 API 的项目可以继续观望。判断条件是你的管线是否愿意重建索引。

谁适合升级

需要图像输入、想用 Fast 降延迟,或准备把重排迁到 Rerank 5 的团队收益最明显。索引规模很大、短期不能重建的项目可以继续用旧模型。

升级步骤

  1. 在 OpenRouter 的模型页确认四个模型的可用性与价格,再决定 Pro 与 Fast 的组合。
  2. 用 Embed 5 Pro 重建语料索引,查询侧切到 Embed 5 Fast,复用同一嵌入空间。
  3. 在召回后接 Rerank 5 Pro 或 Fast,按延迟与质量要求选择,并对比旧版结果。

回退方面,官方未说明旧版本是否仍可调用;如果需要保留退路,先向厂商确认旧模型 ID 的可用周期,再切换生产流量。

相关阅读:文心 ERNIE 5.5 Flash Preview 发布:280B 总参数与 1M Token 上下文窗口、Claude Fable 5.2 与 Claude Mythos 5.2 发布:输出速度提升与价格下调。

常见问题

Cohere Embed 5 与 Rerank 5 现在能在哪用?
已经上线 OpenRouter,可通过 OpenRouter 的 Embeddings 与 Rerank API 调用,沿用现有 API key。
Cohere Embed 5 的 Pro 和 Fast 有什么区别?
Pro 侧重最高检索质量,适合离线索引;Fast 侧重低延迟与高吞吐,适合交互搜索和高频查询。
Cohere Rerank 5 Fast 比上一代强吗?
官方称 Rerank 5 Fast 超过 Rerank 4 Pro,同时面向对延迟和成本敏感的工作负载。
Cohere Embed 5 支持图片输入吗?
支持,Embed 5 接受文本、图像以及 PDF 页面这类文本与图像混合输入。

相关术语

Embedding
Embedding 是把文本或图像映射成向量表示的过程,用于检索、聚类与相似度计算。
Rerank
Rerank 是在初步召回后对候选结果重新排序的步骤,用来提升最终结果相关性。
RAG
RAG 是检索增强生成,把检索到的外部资料拼进模型上下文再生成回答。
OpenRouter
OpenRouter 是统一接入多家模型 API 的平台,开发者用一个 key 调用不同厂商模型。

这篇文章的来源是什么?

文中涉及版本、价格与功能的信息,均以厂商原文为准;下面是可以核对的原始出处。

「Embed 5 and Rerank 5 Are Now Available on OpenRouter」 —— Cohere

搜索文章

输入关键词,快速查找标题和正文内容。