تتيح Cohere Embed 5 وRerank 5 عبر واجهة OpenRouter الموحدة

أعلنت Cohere في 4 نوفمبر 2026 إتاحة نموذجي الاسترجاع Embed 5 وRerank 5 على OpenRouter. ويمكن للمستخدمين الحاليين استدعاؤهما باستخدام مفتاح API ورصيد الاعتمادات نفسيهما المستخدمين مع النماذج الأخرى، من دون حزم تطوير برمجية أو حسابات أو فواتير منفصلة.

تغطي النماذج مراحل الاسترجاع في مسار التوليد المعزّز بالاسترجاع، أو RAG: يحوّل Embed 5 المستندات والاستعلامات إلى متجهات، ويعيد Rerank 5 ترتيب المرشحين وفقًا للاستعلام، ويمكن لأي نموذج محادثة على OpenRouter توليد الإجابة النهائية. كما نشرت Cohere سير عمل مرجعيًا بلغة Python يشمل الفهرسة والاسترجاع والتصفية حسب الصلة وتوليد إجابات مستشهد بها.

يحدد إدراج Embed 5 Pro على OpenRouter سعر النموذج عند 0.12 دولار لكل مليون رمز نصي و0.40 دولار لكل مليون رمز صورة، فيما يبلغ سعر Embed 5 Fast المدرج 0.08 دولار لكل مليون رمز. أما إدراج Rerank 5 Pro على OpenRouter فيحدد سعر هذه الفئة عند 0.05 دولار لكل مليون رمز إدخال، وسعر Rerank 5 Fast عند 0.02 دولار لكل مليون رمز.

يوسّع طرح النماذج على OpenRouter نطاق توزيعها، ولا يقدّم جيلًا جديدًا منها. طرحت Cohere Embed 5 في 30 سبتمبر 2026، وRerank 5 في 21 أكتوبر 2026؛ وتضم كلتا العائلتين فئتي Pro وFast.

تتيح التضمينات المشتركة فصل تكاليف الفهرسة عن تكاليف الاستعلام

تكمن النقطة المعمارية الأساسية في أن Embed 5 Pro وFast يشتركان في فضاء التضمين نفسه. لذلك، يمكن فهرسة مجموعة بيانات باستخدام Pro ثم الاستعلام عنها باستخدام Fast من دون إعادة بناء الفهرس، شريطة استخدام الأبعاد نفسها للمخرجات في المرحلتين. وبهذا تنفصل أعمال الفهرسة، التي تُنفذ مرة واحدة لكل مجموعة بيانات، عن استدعاء التضمين الحساس للكمون والتكلفة، والذي يُجرى مع كل سؤال.

في اختبارات Cohere على 40 مجموعة بيانات تطويرية، بلغ متوسط جودة الاسترجاع المعيارية 98.4 عند إنشاء الفهرس باستخدام Pro والاستعلام عنه باستخدام Fast، و96.6 عند استخدام Fast في المرحلتين، مقارنةً بـ100 عند استخدام Pro في المرحلتين. ويعتمد سير العمل على OpenRouter هذا الجمع بين فهرسة Pro واستعلام Fast، مع تخصيص Pro لمرحلة الفهرسة غير المتصلة بالإنترنت.

يوفر Embed 5 ستة أحجام للمتجهات، تتراوح بين 256 و2,048 بُعدًا، ويبلغ الحجم الافتراضي 2,048 بُعدًا. ويستخدم مثال OpenRouter متجهات عائمة بدقة 1,024 بُعدًا، لأن واجهة برمجة التضمينات فيه تُرجع أعدادًا عائمة؛ بينما توصي Cohere، على نحو منفصل، بمتجهات int8 بهذا الحجم باعتبارها الخيار الأفضل من حيث الموازنة بين الجودة والتكلفة. ويقلل تجميع المقاطع من عدد مرات ذهاب الشبكة وإيابها أثناء الفهرسة، لكنه لا يخفض رسوم التضمين المحسوبة بحسب عدد الرموز. أما المسار المتصل بالإنترنت، فيستخدم استدعاءً واحدًا لـEmbed 5 Fast واستدعاءً واحدًا لـRerank 5، واستدعاءً واحدًا لنموذج محادثة لكل سؤال إذا اجتاز السياق التصفية.

تتحكم درجات الصلة في سياق التوليد

يسترجع المسار المرجعي 20 مقطعًا باستخدام التشابه الجيبي، ثم يرسلها مع السؤال إلى Rerank 5، ويحتفظ بما يصل إلى خمس نتائج، ويستبعد النتائج التي تقل درجاتها عن عتبة توضيحية قدرها 0.3. ويقيّم نموذج إعادة الترتيب الاستعلام وكل مرشح معًا بدلًا من الاعتماد على تقارب المتجهات وحده، ويمكن تشغيله بعد البحث الدلالي أو البحث بالكلمات المفتاحية أو البحث الهجين، من دون Embed 5.

تقول Cohere إن الدرجات المُعايرة في Rerank 5 تظل متسقة عبر الاستعلامات والمجالات، ما يتيح استخدام عتبة واحدة لتحديد السياق الذي يصل إلى نموذج التوليد؛ وتذكر وثائق الإطلاق أن الدرجة 0.7 تعني احتمالًا قدره 70% بأن يكون المستند مفيدًا. صُممت فئة Pro للاستعلامات التي تتطلب استدلالًا مكثفًا وللمستندات الطويلة أو المتخصصة في مجال معين، بينما تستهدف فئة Fast البحث عالي الحجم والوكلاء الذين يجرون عمليات بحث متكررة. وتدعم النماذج سياقًا يصل إلى 32 ألف رمز، ويمكنها معالجة سجلات JSON أو جداول مُنسقة كسلاسل YAML.

عند التوليد، تتحول المقاطع التي اجتازت التصفية إلى مصادر مرقمة، مع تعليمات تقضي بالإجابة بالاستناد إليها وحدها والاستشهاد بها ضمن النص. وإذا لم يجتز أي مقطع العتبة، يفيد سير العمل بأنه لم يتمكن من العثور على الإجابة، ويتجاوز استدعاء نموذج المحادثة. وبما أن Rerank يقرأ النص الخام وقت الاستعلام، فإن التبديل بين إصدارات نموذج إعادة الترتيب لا يتطلب إعادة الفهرسة أو إعادة التضمين.

نتائج العرض التوضيحي وقيود الاستخدام الإنتاجي

يستخدم العرض التوضيحي من Cohere وثائق API خيالية، ويتناول سؤالًا عن كيفية تدوير مفتاح دون توقف الخدمة. وفي الاسترجاع المعتمد على التضمينات وحدها، جاء المستند الصحيح تدوير مفاتيح API في المرتبة الأولى بدرجة 0.522، تلاه أسرار توقيع Webhook بدرجة 0.337، ثم إنشاء مفاتيح API بدرجة 0.316. وبعد إعادة الترتيب، حصل المستند الصحيح على درجة 0.808، بينما هبطت درجتا المستندين المشابهين إلى ما دون الحد الفاصل.

يتطلب المثال Python 3.10 أو إصدارًا أحدث، ومفتاح API من OpenRouter وحزمة Python SDK، إضافة إلى NumPy لمخزن المتجهات الموجود في الذاكرة. ويوجّه المثال التطبيقات المستخدمة في بيئات الإنتاج إلى استبدال هذا المخزن بقاعدة بيانات متجهات. ويعرض دليل OpenRouter للتوليد المعزّز بالاسترجاع إعادة الترتيب بوصفها مفاضلة بين الدقة والكمون: إذ يمكنها تحسين النتائج عندما يلزم تضييق مجموعة واسعة من المرشحين، لكنها تضيف استدعاءً لواجهة API، وتكون أقل ملاءمة عندما تكون الأولوية لأدنى كمون ممكن.

يتطلب الاسترجاع متعدد الوسائط حلًا بديلًا. يقبل Embed 5 الصور والمدخلات المختلطة من النصوص والصور، مثل صفحات PDF، كما تقبل واجهة التضمينات في OpenRouter روابط الصور، لكن Rerank 5 لا يتعامل إلا مع النصوص. وتشمل الخيارات المقترحة إعادة ترتيب نصوص الصفحات المستخرجة أو أوصافها، أو الاستغناء عن إعادة الترتيب للنتائج المرئية.

تدرج OpenRouter Cohere بوصفها المزوّد الوحيد لكلا نموذجي Pro، وتُحيل الطلبات إليها مباشرة. ويذكر الإدراجان أن التوجيه داخل المنطقة في الاتحاد الأوروبي غير متاح.

تجمع إتاحة OpenRouter بين تكامل منظومة الاسترجاع وفوترتها، فيما تظل اقتصاديات تشغيلها في بيئة الإنتاج مرتبطة ببنيتها: فهرسة Pro لمرة واحدة، وطلبات Fast المتكررة، وطلبات إعادة الترتيب والمحادثة، وعتبة الملاءمة التي تتحكم في سياق التوليد. ولا تلغي واجهة API الموحدة القيود الموثقة لهذه المنظومة، والمتمثلة في زمن الاستجابة الإضافي، وإعادة الترتيب المعتمدة على النصوص فقط، وقيود التوجيه الإقليمي.