AI-modeller och plattformar

Cohere lägger till tidsstämplad videosökning i Compass för AI-agenter

Aiden Cross
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterCompass returnerar avgränsade videosegment som väljs vid frågetillfället i stället för…
Visa mer
  • Compass returnerar avgränsade videosegment som väljs vid frågetillfället i stället för fasta klipp.
  • Video och dokument delar ett behörighetsmedvetet index så att agenter kan citera visuella bevis.
  • Compass rankades först totalt med en genomsnittlig poäng på 0,69 över 11 datamängder.

Den 16 november 2026 introducerade Cohere Video Intelligence i Compass och började rekrytera designpartner för tidsstämplad hämtning av klipp, transkriptioner och visuella beskrivningar tillsammans med dokument. I Coheres utvärdering av videorangordning uppvisade Video Intelligence ett genomsnittligt försprång på 4,4 poäng jämfört med det starkaste alternativet.

Compass söker igenom både talat innehåll och synlig aktivitet på skärmen. En sökning returnerar ett avgränsat segment som väljs vid söktillfället, med start- och slutpunkter som baseras på sökningen i stället för på ett bibliotek med fördefinierade klipp. Varje resultat innehåller en länk till originalmaterialet, en tidsstämpel, en transkription och en visuell beskrivning, så att underlaget kan kontrolleras.

Video och dokument delar ett gemensamt index

Video indexeras och hämtas i samma Compass-system som används för dokument. En och samma resultatuppsättning kan koppla ett inspelningssegment till en relaterad sida, presentationsbild eller ett kalkylblad, och behörighetsstyrd hämtning begränsar varje användare till innehåll som hen har åtkomst till. Organisationer kan också konfigurera fält, välja modeller och välja driftsättningsalternativ.

Compass MCP-servern ger agenter en anslutning till systemet, så att de kan analysera presentationsbilder, diagram och demonstrationer utöver talat innehåll. Det här utvidgar företagssökning och agentarbetsflöden till visuellt underlag, samtidigt som det finns en väg tillbaka till källan.

De avsedda användningsområdena kopplar sökning till granskningsarbete. Mötesassistenter skulle kunna ta fram beslut, prognoser och åtaganden från inspelade möten, resultatpresentationer eller analytikerbriefingar, medan medarbetare skulle kunna hitta en viss demonstration eller arbetsmetod i utbildningsmaterial. Juridik- och regelefterlevnadsteam skulle kunna hitta uttalanden och upplysningar med tillhörande visuellt sammanhang. Idrotts- och medieteam skulle kunna söka efter spelsituationer, spelare, kameravinklar eller synliga varumärken för att hitta höjdpunkter, hantera licensiering och rapportera om sponsorer.

Utvärdering på offentliga och interna datamängder

Cohere jämförde Compass med sju videoinbäddningsmodeller på 11 datamängder, bestående av sex offentliga riktmärken och fem interna videodatamängder för företag. Testet med 11 133 sökfrågor använde nDCG@10, som mäter hur korrekt de tio främsta sökresultaten rangordnas. Compass kom på första plats totalt med ett genomsnittligt resultat på 0,69.

De rapporterade försprången var 4,8 poäng jämfört med Amazon Nova 2, i genomsnitt över fem offentliga riktmärken med öppen källkod, 5,1 poäng jämfört med Gemini Embedding 2 vid sökning i fotbollssändningar och 5,0 poäng jämfört med samma modell vid nyhetssökning i MultiVENT 2.0. För affärsmöten, föreläsningar och utbildning i arbetsplatssäkerhet var försprånget 2,0 poäng jämfört med Qwen3-VL Embedding 8B. Det starkaste alternativet varierade mellan olika områden.

Tillgång för designpartner och kundtester

Designpartner kan driftsätta Video Intelligence i Cohere-hanterat moln eller i sin egen miljö, utvärdera tjänsten med sina egna videoinspelningar, sökfrågor och användningsområden samt samarbeta direkt med Cohere-teamet för AI-sökning. Deltagarna inbjuds också att påverka framtida funktioner utifrån organisationens behov och erfarenheter.

Det centrala värdet för företag är en gemensam evidenskedja för video och dokument: en agent kan hämta ett beslut, en demonstration eller en händelse och hänvisa granskare till motsvarande punkt i originalmaterialet. Designpartnerprogrammet låter kundernas egna videoinspelningar och behörighetsstyrda arbetsflöden bli det praktiska testet på om de rapporterade förbättringarna i rangordningen leder till användbar sökning.

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.