原始发布
RAGCohere模型发布国际
Cohere 发布 Embed 5 向量模型
发生了什么：Pro 与 Fast 两档共享同一向量空间，支持文本、图像及图文融合输入，100+ 语言、128K 上下文，可选 256~2048 维输出。
- 链接 1 天前可访问
- 有中文导读
- 附练习
- 官方来源
这条资讯与我有关吗？
适合关注的人：维护知识库与文档问答的开发者
- Pro 与 Fast 两档共享同一向量空间，支持文本、图像及图文融合输入，100+ 语言、128K 上下文，可选 256~2048 维输出。
- 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。
导读建议的练习：理解“Pro 建索引、Fast 查询”的共享空间设计，比较低维与高维向量在召回和存储上的取舍。
来自本条已发布的中文导读，具体变化请以原始记录为准。