Multimodale Embeddings für Unternehmenssuche und RAG Cohere bringt neue Embedding-Modelle „Embed 5“ auf den Markt

Anbieter zum Thema

Cohere hat mit Embed 5 zwei Embedding-Modelle für Unternehmenssuche, RAG und KI-Agenten vorgestellt. „Pro“ ist auf hohe Trefferqualität ausgelegt, „Fast“ auf niedrige Latenz und hohen Durchsatz. Beide nutzen denselben Vektorraum. Damit lassen sich laut Anbieter Dokumente mit Pro indizieren und mit Fast durchsuchen. Die Modelle verarbeiten Text, Bilder und gemischte Inhalte.

Cohere stellt Embed 5 Pro und Fast vor. Beide Modelle teilen einen Vektorraum und verarbeiten Text, Bilder und gemischte Dokumente.

(Bild: Cohere)

Mit Embed 5 führt Cohere zwei Modelle ein, die unterschiedliche Aufgaben im Retrieval abdecken sollen. Embed 5 Pro ist laut Anbieter auf hohe Trefferqualität ausgelegt und vor allem für die Offline-Indizierung gedacht. Embed 5 Fast zielt auf interaktive Suche und Agenten-Workflows, bei denen kurze Antwortzeiten und hoher Durchsatz gefragt sind.

Beide Varianten sollen sich einen Vektorraum teilen. Unternehmen könnten daher ihre Dokumente mit Pro einbetten und die Suchanfragen mit Fast verarbeiten. Für diese Kombination sei keine erneute Indizierung nötig. Die Aussage bezieht sich auf die beiden Embed-5-Modelle, nicht auf die Übernahme bestehender Embed-4-Indizes. Embeddings bilden Inhalte als Vektoren ab und ermöglichen so die Suche nach semantisch ähnlichen Informationen.

Embed 5 unterstützt laut Cohere mehr als 100 Sprachen. Neben Text lassen sich auch Bilder sowie gemischte Text-Bild-Inhalte wie gescannte PDF-Seiten in einem gemeinsamen Vektor abbilden.

Embed 5 ist über die Cohere-API, Microsoft Foundry und Amazon SageMaker verfügbar und lässt sich unter anderem mit LangChain, Pinecone, Weaviate und Elasticsearch einsetzen.

(ID:50979135)