Cohere incorpora Embed 5 y Rerank 5 a la API unificada de OpenRouter

Cohere anunció el 4 de noviembre de 2026 que sus modelos de recuperación Embed 5 y Rerank 5 están disponibles en OpenRouter. Los usuarios actuales pueden utilizarlos con la misma clave de API y los mismos créditos que otros modelos, sin necesidad de SDK, cuentas ni facturas aparte.

Los modelos cubren las etapas de recuperación de un flujo de generación aumentada por recuperación (RAG): Embed 5 convierte documentos y consultas en vectores, Rerank 5 vuelve a puntuar los candidatos en función de la consulta y cualquier modelo de chat disponible en OpenRouter puede generar la respuesta final. Cohere también publicó un flujo de referencia en Python que abarca la indexación, la recuperación, el filtrado por relevancia y la generación con citas.

En el listado de Embed 5 Pro de OpenRouter, el modelo cuesta 0,12 $ por millón de tokens de texto y 0,40 $ por millón de tokens de imagen; Embed 5 Fast figura a 0,08 $ por millón de tokens. En el listado de Rerank 5 Pro, ese nivel cuesta 0,05 $ por millón de tokens de entrada y Rerank 5 Fast, 0,02 $ por millón de tokens.

La incorporación a OpenRouter amplía la distribución, pero no supone el lanzamiento de otra generación de modelos. Cohere presentó Embed 5 el 30 de septiembre de 2026 y Rerank 5 el 21 de octubre de 2026; ambas familias ofrecen los niveles Pro y Fast.

Los embeddings compartidos separan los costos de indexación y consulta

El aspecto arquitectónico central es que Embed 5 Pro y Fast comparten un espacio de embeddings. Por tanto, es posible indexar un corpus con Pro y consultarlo con Fast sin reconstruir el índice, siempre que ambos usen las mismas dimensiones de salida. Esto separa el trabajo de indexación, que se realiza una sola vez por corpus, de la llamada de embeddings, sensible a la latencia y al costo, que se hace por cada pregunta.

En las pruebas de Cohere con 40 conjuntos de datos de desarrollo, la calidad media normalizada de recuperación fue de 98,4 para un índice creado con Pro y consultado con Fast, y de 96,6 con Fast en ambas etapas, frente a 100 con Pro en ambas. El flujo de OpenRouter adopta esa combinación de indexación con Pro y consulta con Fast, y reserva Pro para la etapa de indexación sin conexión.

Embed 5 ofrece seis tamaños de vector, de 256 a 2.048 dimensiones; el valor predeterminado es 2.048. El ejemplo de OpenRouter utiliza vectores de punto flotante de 1.024 dimensiones porque su API de embeddings devuelve valores de punto flotante; por separado, Cohere recomienda vectores int8 de esa dimensión como su opción preferida para equilibrar calidad y costo. Agrupar fragmentos reduce las solicitudes de ida y vuelta por la red durante la indexación, pero no reduce los cargos por embeddings basados en tokens. En el flujo en línea, cada pregunta genera una llamada a Embed 5 Fast, una a Rerank 5 y, si el contexto supera el filtro, una llamada al modelo de chat.

Las puntuaciones de relevancia controlan el contexto de generación

El flujo de referencia recupera 20 fragmentos mediante similitud del coseno, los envía junto con la pregunta a Rerank 5, conserva hasta cinco resultados y descarta las puntuaciones inferiores al umbral de 0,3 utilizado en la demostración. La nueva clasificación evalúa conjuntamente la consulta y cada candidato, en lugar de depender solo de la proximidad entre vectores, y puede aplicarse después de una búsqueda semántica, por palabras clave o híbrida, incluso sin Embed 5.

Cohere afirma que las puntuaciones calibradas de Rerank 5 se mantienen constantes entre consultas y dominios, lo que permite usar un único umbral para decidir qué contexto llega al generador; la documentación de lanzamiento describe una puntuación de 0,7 como una probabilidad del 70 % de que un documento sea útil. Pro está pensado para consultas que requieren mucho razonamiento y documentos extensos o específicos de un dominio, mientras que Fast está orientado a búsquedas de gran volumen y a agentes que realizan búsquedas repetidas. Los modelos admiten un contexto de 32K tokens y pueden procesar registros JSON o tablas con formato de cadenas YAML.

Durante la generación, los fragmentos que superan el filtro se convierten en fuentes numeradas, y se indica al modelo que responda solo a partir de ellas y las cite en el texto. Si ninguna supera el umbral, el flujo informa que no pudo encontrar la respuesta y omite la llamada al modelo de chat. Como Rerank lee texto sin procesar en el momento de la consulta, cambiar de versión del modelo de nueva clasificación no requiere volver a indexar ni a generar embeddings.

Resultados de la demostración y limitaciones en producción

La demostración de Cohere utiliza documentación ficticia de una API y plantea cómo rotar una clave sin tiempo de inactividad. La recuperación basada únicamente en embeddings situó en primer lugar el documento correcto, Rotación de claves de API, con una puntuación de 0,522; le siguieron Secretos de firma de webhooks, con 0,337, y Creación de claves de API, con 0,316. Tras la nueva clasificación, el documento correcto obtuvo 0,808 y las dos opciones similares quedaron por debajo del umbral.

El ejemplo requiere Python 3.10 o una versión posterior, una clave de API de OpenRouter y el SDK de Python, además de NumPy para su almacén de vectores en memoria. Se indica que las implementaciones en producción deben sustituir ese almacén por una base de datos vectorial. La guía de RAG de OpenRouter presenta la nueva clasificación como una decisión que implica equilibrar precisión y latencia: puede mejorar los resultados cuando hay que reducir un conjunto amplio de candidatos, pero añade una llamada a la API y es menos adecuada cuando la prioridad es minimizar la latencia.

La recuperación multimodal requiere una solución alternativa. Embed 5 admite imágenes y entradas mixtas de texto e imágenes, como páginas de PDF, y la API de embeddings de OpenRouter acepta URL de imágenes, pero Rerank 5 solo admite texto. Las opciones propuestas son volver a clasificar el texto extraído de las páginas o sus descripciones, o bien omitir la nueva clasificación para los resultados visuales.

OpenRouter indica que Cohere es el único proveedor de ambos modelos Pro y le reenvía directamente las solicitudes. En ambos listados se señala que no está disponible el enrutamiento dentro de la región de la UE.

La disponibilidad en OpenRouter consolida la integración y la facturación de la pila de recuperación, mientras que la economía de producción sigue dependiendo de la arquitectura: una indexación Pro única, llamadas recurrentes de consulta Fast, reranking y chat, y el umbral de relevancia que controla el contexto de generación. La API única no elimina las limitaciones documentadas de esa pila: la latencia añadida, el reranking exclusivo de texto ni las restricciones del enrutamiento regional.