Cohere відкриває приватну бета‑версію Compass Cloud для керованого корпоративного пошуку

Cohere оголосив 25 вересня 2026 року, що Compass, його платформа пошуку для розробників, які створюють AI‑застосунки на корпоративних даних, переходить у приватну бета‑версію як керована пропозиція під назвою Compass Cloud, при цьому Cohere керує повним конвеєром пошуку та інференцією моделей.

Compass надає релевантну інформацію з корпоративного корпусу для використання у генерації з підкріпленням пошуку (RAG), пошуку та агентних робочих процесах. Замість того, щоб самостійно збирати та експлуатувати стек пошуку, команди налаштовують Compass через його API, сервер MCP або Python SDK, щоб сформувати досвід кінцевих користувачів відповідно до їх даних та вимог робочих процесів, згідно з оголошенням Compass Cloud.

Від інтеграції North до керованого сервісу

До цього часу Compass головним чином забезпечував пошук для North, корпоративного агентного робочого простору Cohere, включаючи його бібліотеки документів та екосистему MCP. Cohere також розгорнув Compass у високозахищених, самостійно розміщених середовищах для партнерів у регульованих галузях, чиї навантаження не можуть бути перенесені в SaaS.

Cohere заявив, що попит клієнтів на керовану опцію був чітким і постійним: команди хотіли те, що компанія називає своїми найкращими у класі можливостями пошуку, без операційного навантаження самостійного розгортання. Компанія зазначила, що Compass Cloud розширює Compass до ширшого ринку, передаючи Cohere управління повним конвеєром та інференцією моделей, щоб клієнти могли зосередитися на розробці. Самостійно розгорнуті впровадження залишаються доступними для проектів з обмеженням конфіденційності, і Cohere співпрацює з обмеженою кількістю корпоративних команд у ролі бета‑партнерів.

Три зміни у вимогах до корпоративного пошуку

Оголошення позиціонує запуск навколо трьох розробок, які, за словами Cohere, змінюють вимоги до корпоративного пошуку, оскільки пошук стає підтримуючою інфраструктурою для генеративного ШІ та агентів.

Перше — економіка токенів: кожен нерелевантний результат, переданий моделі, споживає токени і займає обмежений простір контексту, тому більш точний пошук створює менші, більш якісні вхідні дані, що знижує витрати на інференцію та час, необхідний для виконання завдання. Cohere описав пошук як один із найефективніших важелів зниження витрат, доступних бізнесу.

Друге — агентні патерни доступу. Агентам може знадобитися десятки запитів під час виконання однієї задачі, переформулювання запитів та перехід між кількома джерелами; у цих багатокрокових циклах затримка накопичується, релевантність може відхилитися, і дозволи мають бути застосовані на кожному кроці. Тому пошук має працювати надійно протягом послідовностей машинно‑згенерованих запитів, а не лише в одноразових пошуках.

Третє — фрагментований стек пошуку: виробничі конвеєри часто поєднують окремі системи для інжестії, індексації, повторного ранжирування, контролю доступу та оркестрації, змушуючи команди витрачати значні зусилля на інтеграцію замість покращення якості пошуку. Cohere зазначив, що Compass існує для вирішення усіх трьох питань, надаючи релевантний, керований контекст для генеративних навантажень, підтримуючи як агентні, так і традиційні пошукові застосунки, та консолідуючи ядро стеку пошуку в інтегровану корпоративну платформу.

Семистадійна архітектура пошуку

Compass об’єднує обробку документів та пошук в один налаштовуваний сервіс, доступний через єдиний інтерфейс. Оголошення описує сім етапів.

Connect надає готові коннектори для робочих просторів спільного використання файлів та хмарного сховища, таких як SharePoint, OneDrive та Google Drive, при цьому сумісність даних, за словами Cohere, є багатомовною, мультимодальною та незалежною від формату файлів. Parse перетворює мультимодальні корпоративні файли у контент, готовий для ШІ, застосовуючи стратегію парсингу до кожного документа та використовуючи обробку зображень лише там, де це додає цінність, щоб зменшити непотрібне використання моделей. Embed одночасно генерує густі та розріджені представлення, завдяки чому пошук може відповідати як семантичному наміру, так і доменно‑специфічній мові в текстовому та мультимодальному контенті.

Index зберігає вихідні файли, розпарсений контент та ембеддінги як окремі записи, тому нову модель ембеддінгу можна впровадити без повторного сканування та завантаження того самого контенту; під час пошуку записи розташовуються в одному індексі разом із їх метаданими. Retrieve поєднує семантичний, розріджений та ключовий пошук в одному запиті, причому стратегії можуть працювати незалежно або разом, а дозволи застосовуються під час пошуку, а не залишаються на розгляд застосунку.

Rerank застосовує reranker від Cohere для визначення найрелевантніших фрагментів із широкого набору кандидатів, скорочуючи нерелевантний контекст та кількість токенів, необхідних для генерації. Govern забезпечує багатокористувацький контроль доступу та дозволи на рівні документів під час пошуку, тоді як політики збереження автоматично видаляють контент і запобігають повторному синхронізуванню видалених документів.

Компанійний звіт про бенчмарк пошуку

Cohere повідомив, що Compass досяг покращення на 14–16 пунктів порівняно з Azure Search у тесті High Finance, внутрішньому бенчмарку інвестиційного банкінгу, створеному Cohere, при цьому точність пошуку, виміряна як nDCG@10, зросла з 64,8 до 81,1. High Finance — це набір питань, анотований Cohere, який просить моделі отримати релевантний матеріал інвестиційного банкінгу та презентації хедж‑фондів; робоче навантаження формує запит, отримує презентаційні матеріали з індексу та оцінює кращі результати.

За зазначеною методологією документи Azure Search були проаналізовані за допомогою GPT‑4.1 Mini, тоді як Cohere Embed 4 не використовував окремого рішення для парсингу і вбудовував вхідні PDF‑файли безпосередньо як зображення перед пошуком. Cohere пов’язала точність з її моделями пошуку та обробки документів, які працюють з гібридним пошуком Compass, що поєднує лексичний, розріджений і щільний пошук із повторним ранжируванням, і зазначила, що різниця такого розміру може розділяти незадовільну відповідь і відмінну для кінцевого користувача.

Шляхи інтеграції, умови бета‑версії та подальші кроки

Compass Cloud пропонує два шляхи інтеграції. API Compass орієнтований на команди, які створюють кастомні RAG‑ та пошукові додатки, підключаючись безпосередньо до моделей і компонентів пошуку, що живлять Compass, і надаючи розробникам контроль над тим, як вміст представлений, отримується, ранжується та інтегрується в застосунок. Виділений, незалежно версіонований сервер MCP відкриває пошук як багаторазові інструменти через відкритий стандарт, тому клієнти, сумісні з MCP, можуть безпосередньо виявляти та викликати ці інструменти, а Compass залишається портативним між різними агентськими фреймворками без необхідності індивідуальної інтеграції для кожного з них.

Cohere описує агентний пошук як новий підхід на перетині великих мовних моделей і інформаційного пошуку: замість одного кроку запит‑відповідь агент визначає, що шукати, шукає релевантну інформацію, оцінює результати та уточнює пошук перед тим, як відповісти. За словами компанії, з сервером Compass MCP агенти можуть поступово звужувати корпус для пошуку, зменшуючи зайвий контекст і роблячи складні завдання пошуку швидшими та більш ефективними щодо токенів.

Приватна бета‑версія відкрита для команд, які створюють додатки з інтенсивним пошуком та агентними функціями. Учасники отримують практичну підтримку від інженерної команди Cohere, ранній доступ до хмарного розгортання та безпосередній вплив на дорожню карту продукту, запитуючи доступ через форму на сторінці Compass. Cohere також проводить живу сесію 8 жовтня 2026 р. у X за участю своїх інженерів та керівників продукту, де обговорюватиметься майбутнє корпоративного пошуку.