Cohere přináší Embed 5 a Rerank 5 do jednotného API OpenRouter

Společnost Cohere oznámila 4. listopadu 2026, že její modely Embed 5 a Rerank 5 pro vyhledávání informací jsou dostupné na OpenRouteru. Stávající uživatelé je mohou využívat se stejným klíčem API a kredity jako ostatní modely, bez samostatných SDK, účtů nebo faktur.

Modely pokrývají fáze vyhledávání v rámci procesu generování obohaceného o vyhledávání (RAG): Embed 5 převádí dokumenty a dotazy na vektory, Rerank 5 znovu řadí kandidáty podle jejich relevance k dotazu a kterýkoli chatovací model na OpenRouteru může vygenerovat výslednou odpověď. Cohere zveřejnila také referenční pracovní postup v Pythonu, který zahrnuje indexování, vyhledávání, filtrování podle relevance a generování odpovědí s citacemi.

V nabídce Embed 5 Pro na OpenRouteru stojí model 0,12 $ za milion textových tokenů a 0,40 $ za milion obrazových tokenů; Embed 5 Fast je uveden za 0,08 $ za milion tokenů. Nabídka Rerank 5 Pro uvádí cenu této úrovně 0,05 $ za milion vstupních tokenů a cenu Rerank 5 Fast 0,02 $ za milion tokenů.

Uvedení na OpenRouteru rozšiřuje dostupnost modelů, nepředstavuje však novou generaci. Cohere představila Embed 5 30. září 2026 a Rerank 5 21. října 2026; obě produktové řady nabízejí úrovně Pro a Fast.

Sdílené embeddingy oddělují náklady na indexování a dotazy

Klíčovým architektonickým prvkem je, že Embed 5 Pro a Fast sdílejí stejný prostor embeddingů. Korpus lze proto indexovat pomocí Pro a následně v něm vyhledávat pomocí Fast, aniž by bylo nutné index znovu vytvářet, pokud obě verze používají stejný počet výstupních dimenzí. Díky tomu se oddělí práce spojená s indexováním, která se pro každý korpus provádí jednou, od volání pro tvorbu embeddingů citlivého na latenci a náklady, které je potřeba uskutečnit pro každý dotaz.

V testech společnosti Cohere napříč 40 vývojovými datovými sadami dosáhla normalizovaná průměrná kvalita vyhledávání hodnoty 98,4 u indexu vytvořeného pomocí Pro a prohledávaného pomocí Fast a hodnoty 96,6 při použití Fast pro obě fáze, zatímco při použití Pro v obou fázích činila 100. Pracovní postup na OpenRouteru využívá kombinaci indexování pomocí Pro a vyhledávání pomocí Fast; Pro tak vyhrazuje pro fázi indexování mimo provozní prostředí.

Embed 5 nabízí šest velikostí vektorů od 256 do 2 048 dimenzí, přičemž výchozí hodnota je 2 048. Ukázka pro OpenRouter používá vektory s plovoucí desetinnou čárkou o 1 024 dimenzích, protože jeho API pro embeddingy vrací hodnoty s plovoucí desetinnou čárkou; Cohere samostatně doporučuje jako nejlepší poměr kvality a nákladů vektory int8 o stejné dimenzi. Dávkové zpracování úseků snižuje počet síťových požadavků během indexování, ale nesnižuje poplatky za embeddingy účtované podle počtu tokenů. Při zpracování každého dotazu se online použije jedno volání Embed 5 Fast, jedno volání Rerank 5 a, pokud po filtrování zůstane kontext, jedno volání chatovacího modelu.

Skóre relevance určuje kontext pro generování

Referenční pracovní postup vyhledá 20 úseků podle kosinové podobnosti a předá je spolu s dotazem modelu Rerank 5. Ponechá nejvýše pět výsledků a zahodí ty, jejichž skóre je nižší než demonstrační práh 0,3. Při opětovném řazení se dotaz posuzuje společně s každým kandidátem, nikoli pouze podle vektorové blízkosti; tento krok lze provést po sémantickém, klíčovém nebo hybridním vyhledávání i bez použití Embed 5.

Cohere uvádí, že kalibrovaná skóre Rerank 5 zůstávají konzistentní napříč dotazy i obory, takže jediný práh může určovat, jaký kontext se předá generativnímu modelu. Dokumentace k uvedení modelu na trh popisuje skóre 0,7 jako 70% pravděpodobnost, že je dokument užitečný. Verze Pro je určena pro dotazy vyžadující náročnější uvažování a dlouhé dokumenty nebo dokumenty z konkrétního oboru, zatímco Fast cílí na vyhledávání ve velkém měřítku a agenty, které vyhledávají opakovaně. Modely podporují kontext o délce 32 tisíc tokenů a dokážou zpracovávat záznamy JSON nebo tabulky převedené do řetězců ve formátu YAML.

Při generování se úseky, které filtrem prošly, stanou očíslovanými zdroji; model dostane pokyn odpovídat výhradně na jejich základě a citovat je přímo v textu. Pokud žádný úsek nedosáhne stanoveného prahu, pracovní postup oznámí, že odpověď nenašel, a volání chatovacího modelu přeskočí. Protože Rerank při zpracování dotazu čte nezpracovaný text, přechod na jinou verzi modelu pro opětovné řazení nevyžaduje nové indexování ani vytváření nových embeddingů.

Výsledky ukázky a omezení pro produkční nasazení

Ukázka společnosti Cohere používá fiktivní dokumentaci API a řeší otázku, jak vyměnit klíč bez výpadku. Vyhledávání pouze pomocí embeddingů umístilo správný dokument Rotace klíčů API na první místo se skóre 0,522; následovaly dokumenty Tajemství pro podepisování webhooků se skóre 0,337 a Vytváření klíčů API se skóre 0,316. Po opětovném seřazení dosáhl správný dokument skóre 0,808 a skóre obou podobných dokumentů klesla pod stanovenou hranici.

Ukázka vyžaduje Python 3.10 nebo novější, klíč API OpenRouter a SDK pro Python; pro vektorové úložiště v paměti používá NumPy. U produkčních implementací se doporučuje toto úložiště nahradit vektorovou databází. Doporučení OpenRouteru pro RAG popisují opětovné řazení jako kompromis mezi přesností a latencí: může zlepšit výsledky, pokud je třeba zúžit širokou množinu kandidátů, přidává však další volání API a hodí se méně v situacích, kdy je prioritou co nejnižší latence.

Multimodální vyhledávání vyžaduje náhradní řešení. Embed 5 přijímá obrázky i kombinované textové a obrazové vstupy, například stránky PDF, a API OpenRouteru pro embeddingy přijímá adresy URL obrázků. Rerank 5 však pracuje pouze s textem. Navrhovaná řešení jsou znovu řadit text extrahovaný ze stránek nebo jejich popisky, případně u vizuálních výsledků opětovné řazení vynechat.

OpenRouter uvádí Cohere jako jediného poskytovatele obou modelů Pro a přeposílá mu požadavky přímo. V obou nabídkách se uvádí, že směrování v rámci regionu EU není dostupné.

Dostupnost na OpenRouteru sjednocuje integraci a fakturaci vyhledávací infrastruktury, její ekonomika v produkčním provozu však nadále závisí na architektuře: jednorázovém indexování Pro, opakovaných voláních Fast pro dotazy, přerankování a chat a prahu relevance, který určuje kontext pro generování. Jediné rozhraní API neodstraňuje omezení této infrastruktury v podobě vyšší latence, přerankování pouze textu ani regionálního směrování.