Cohere открывает приватную бета‑версию Compass Cloud для управляемого корпоративного поиска

Cohere объявила 25 сентября 2026 года, что Compass, её платформа поиска для разработчиков, создающих AI‑приложения на корпоративных данных, переходит в приватную бета‑версию как управляемый сервис под названием Compass Cloud, при этом Cohere будет управлять полной конвейерной обработкой поиска и выводом модели.

Compass предоставляет релевантную информацию из корпоративного корпуса для использования в генерации с дополнением поиска (RAG), поиске и агентных рабочих процессах. Вместо того чтобы самостоятельно собирать и эксплуатировать стек поиска, команды настраивают Compass через его API, сервер MCP или Python SDK, формируя пользовательский опыт в соответствии с их данными и требованиями к рабочим процессам, согласно объявлению о Compass Cloud.

От интеграции North к управляемому сервису

До настоящего времени Compass в основном обеспечивал поиск для North, корпоративного агентского рабочего пространства Cohere, включая его библиотеки документов и экосистему MCP. Cohere также поставлял Compass в высоко защищённые, самостоятельные среды для партнёров в регулируемых отраслях, чьи нагрузки нельзя перенести в SaaS.

Cohere заявила, что спрос клиентов на управляемый вариант был ясным и постоянным: команды хотели то, что компания называет её передовыми возможностями поиска, без операционных накладных расходов самостоятельного хостинга. Компания сообщила, что Compass Cloud расширяет Compass до более широкого рынка, позволяя Cohere управлять полной конвейерной обработкой и выводом модели, чтобы клиенты могли сосредоточиться на разработке. Самостоятельные развертывания остаются доступными для проектов с ограничениями конфиденциальности, и Cohere работает с ограниченным числом корпоративных команд в качестве бета‑партнёров.

Три изменения в требованиях к корпоративному поиску

В объявлении запуск представлен в контексте трёх тенденций, которые, по словам Cohere, меняют требования к корпоративному поиску, поскольку поиск становится поддерживающей инфраструктурой для генеративного ИИ и агентов.

Первое — экономика токенов: каждый нерелевантный результат, передаваемый модели, потребляет токены и занимает ограниченное пространство контекста, поэтому более точный поиск создаёт меньшие, более качественные входные данные, снижающие затраты на вывод и время, необходимое для выполнения задачи. Cohere описала поиск как один из самых эффективных рычагов снижения расходов для бизнеса.

Второе — агентные модели доступа. Агенты могут задавать десятки запросов, выполняя одну задачу, переоформляя запросы и переходя между несколькими источниками; в этих многократных циклах задержка накапливается, релевантность может ухудшаться, и разрешения должны применяться на каждом этапе. Поэтому поиск должен работать надёжно в последовательностях машинно‑сгенерированных запросов, а не только в одноразовых поисках.

Третье — фрагментированный стек поиска: производственные конвейеры часто объединяют отдельные системы для загрузки, индексации, переранжирования, контроля доступа и оркестрации, заставляя команды тратить значительные усилия на интеграцию вместо улучшения качества поиска. Cohere заявила, что Compass решает все три проблемы, предоставляя релевантный, управляемый контекст для генеративных задач, поддерживая как агентные, так и традиционные поисковые приложения, и консолидируя основной стек поиска в единой корпоративной платформе.

Семистадийная архитектура поиска

Compass объединяет обработку документов и поиск в один настраиваемый сервис, доступный через единый интерфейс. В объявлении описаны семь этапов.

Connect предоставляет готовые коннекторы для рабочих пространств файлового обмена и облачного хранилища, таких как SharePoint, OneDrive и Google Drive, с совместимостью данных, которую Cohere описывает как многоязычную, мультимодальную и независимую от формата файлов. Parse преобразует мультимодальные корпоративные файлы в контент, готовый для ИИ, применяя стратегию парсинга к каждому документу и используя визуальную обработку только там, где это добавляет ценность, чтобы сократить ненужное использование моделей. Embed одновременно генерирует плотные и разреженные представления, позволяя поиску сопоставлять как семантическое намерение, так и специфический для домена язык в тексте и мультимодальном контенте.

Index хранит исходные файлы, разобранный контент и эмбеддинги как отдельные записи, поэтому новую модель эмбеддингов можно внедрить без повторного обхода и загрузки того же контента; во время поиска записи находятся в одном индексе со своей метаданными. Retrieve объединяет семантический, разреженный и ключевой поиск в одном запросе, при этом стратегии могут работать независимо или совместно, а разрешения применяются во время поиска, а не передаются приложению.

Rerank использует переранжировщик Cohere для выявления наиболее релевантных отрывков из широкого набора кандидатов, уменьшая нерелевантный контекст и количество токенов, необходимых для генерации. Govern обеспечивает многопользовательский контроль доступа и разрешения на уровне документов во время поиска, тогда как политики удержания автоматически истекают контент и препятствуют повторной синхронизации удалённых документов.

Отчёт компании о бенчмарке поиска

Cohere сообщила, что Compass достиг улучшения на 14–16 пунктов по сравнению с Azure Search в тесте High Finance, внутреннем бенчмарке инвестиционного банкинга, созданном Cohere, при этом точность поиска, измеряемая как nDCG@10, выросла с 64,8 до 81,1. High Finance — это набор вопросов, аннотированный Cohere, в котором модели должны извлекать релевантные материалы презентаций инвестиционного банкинга и хедж‑фондов; рабочая нагрузка включает встраивание запроса, поиск презентационных материалов в индексе и оценку лучших результатов.

Согласно заявленной методологии, документы Azure Search были проанализированы с помощью GPT‑4.1 Mini, тогда как Cohere Embed 4 не использовал отдельное решение для парсинга и встраивал входные PDF‑файлы напрямую как изображения перед поиском. Cohere объяснила точность тем, что её модели поиска и обработки документов работают совместно с гибридным поиском Compass, объединяющим лексический, разреженный и плотный поиск с последующим переранжированием, и отметила, что такой разрыв может отделять неудовлетворительный ответ от отличного для конечного пользователя.

Пути интеграции, условия бета‑тестирования и дальнейшие шаги

Compass Cloud предлагает два пути интеграции. API Compass ориентирован на команды, создающие пользовательские RAG‑ и поисковые приложения, позволяя напрямую подключаться к моделям и компонентам поиска, которые обеспечивают работу Compass, и даёт разработчикам контроль над тем, как контент представляется, извлекается, ранжируется и включается в приложение. Выделенный, независимо версионируемый сервер MCP предоставляет поиск в виде переиспользуемых инструментов через открытый стандарт, чтобы клиенты, совместимые с MCP, могли напрямую обнаруживать и вызывать эти инструменты, а Compass оставался переносимым между различными агентными фреймворками без необходимости отдельной интеграции для каждого из них.

Cohere описывает агентный поиск как развивающийся подход на стыке больших языковых моделей и информационного поиска: вместо единственного шага «запрос‑ответ» агент решает, что искать, осуществляет поиск релевантной информации, оценивает результаты и уточняет запрос перед тем, как дать ответ. С сервером MCP от Compass, по словам компании, агенты могут постепенно сужать корпус поиска, уменьшая ненужный контекст и делая сложные задачи поиска быстрее и более экономным по токенам.

Приватная бета‑версия открыта для команд, разрабатывающих приложения с интенсивным поиском и агентными функциями. Участники получают практическую поддержку от инженерной команды Cohere, ранний доступ к облачному развертыванию и возможность напрямую влиять на дорожную карту продукта, подав заявку через форму на странице Compass. Cohere также проводит живую сессию 8 октября 2026 года в X с участием своих инженеров и руководителей продукта, где обсуждается будущее корпоративного поиска.