Cohere, разработчик семейства моделей Embed, выпустила Embed 5 в двух вариантах — Pro и Fast. Они используют общее векторное пространство, единый формат числовых представлений для поиска, поэтому искать по корпусу, проиндексированному одной моделью, можно с помощью другой модели.
Cohere советует Pro для индексации корпуса, Fast — для запросов. Fast рассчитана на низкую задержку и высокую пропускную способность, поэтому подходит для частых запросов.
Проверка утверждений:
- Cohere выпустила Embed 5 в двух вариантах — Pro и Fast. (подтверждено самой публикацией: доказательство; «We’re pleased to announce the release of Embed 5 , Cohere’s most powerful embeddings family yet. Embed 5 delivers frontier retrieval quality on complex enterprise data, with major gains over Embed 4 on visually rich documents, financial filings, parsed PDFs, code, and multilingual retrieval. Key features Two model variants available: embed-v5.0-pro : Optimized for the highest retrieval quality, particularly for offline indexing and quality-critical retrieval embed-v5.0-fast : Optimized for low latency and high throughput, particularly for interactive search, agent loops, and high-volume query traffic»)
- Pro и Fast используют общее векторное пространство, поэтому искать по корпусу, проиндексированному одной моделью, можно с помощью другой модели. (подтверждено самой публикацией: доказательство; «Shared embedding space : Pro and Fast share an embedding space, so a corpus indexed with one model can be queried with the other.»)
- Cohere советует Pro для индексации корпуса, Fast — для запросов. (подтверждено самой публикацией: доказательство; «We recommend indexing with Pro and querying with Fast.»)
- Fast предназначена для низкой задержки и высокой пропускной способности. (подтверждено самой публикацией: доказательство; «embed-v5.0-fast : Optimized for low latency and high throughput, particularly for interactive search, agent loops, and high-volume query traffic»)
Публикации:
Первоисточники:
оценка 50,0 из 100 · тип: релиз