CohereはEmbed 5を発表しました。embed-v5.0-proとembed-v5.0-fastの2種類を提供し、画像を含むmultimodal input、100言語超、128k token context、Matryoshka embeddingsに対応します。 企業検索とagent基盤では、textだけでなくPDFページ、画像、code、多言語文書を同じretrieval設計で扱う圧力が高まります。導入側は再index計画、query時の低latency運用、保存形式ごとの品質と費用を検証する必要があります。 Embed 5は企業検索向けの新しい土台になる Cohereは2026年9月30日、embeddings familyのEmbed 5を発表しました。公式changelogでは、同社で最も強力なembedding familyと位置付け、複雑なenterprise dataに対するretrieval品質を高めたと説明しています。特に、visually rich documents、financial filings、parsed PDFs、code、多言語検索でEmbed 4から大きく改善したとしています。企業のRAGやagent運用では、文書の種類がtextだけに収まらないため、検索基盤の前処理とembedding選定がより重要になります。 ProとFastを同じembedding空間で使い分ける 提供されるmodel variantはembed-v5.0-proとembed-v5.0-fastです。Proはoffline indexingや品質重視のretrievalに向けた最高品質のvariant、Fastはinteractive search、agent loops、大量query trafficに向けた低latencyと高throughputのvariantと説明されています。両者はshared embedding spaceを持つため、ProでindexしたcorpusをFastでqueryする使い方が推奨されています。構築時の品質と実行時の応答速度を分けて設計できる点が、実務導入の焦点になります。 multimodalと128k contextが文書処理を変える Embed 5はtext、images、textとimageが混在するinputsを1つのvectorにでき、PDF pagesのようなmixed contentも対象に含めています。対応言語は100超で、context windowは128k tokensです。さらにMatryoshka embeddingsとして256、512、768、1024、1536、2048 dimensionsを選べ、output typeはfloat、int8、binaryを指定できます。検索品質、storage、latency、index更新時間の間で、用途ごとに実験する余地が広がります。 導入時は再indexと提供経路を先に決める Embed 5はCohereのEmbed APIに加え、Microsoft FoundryとAmazon SageMakerでも利用できます。single-tenant deploymentではModel Vaultにも対応すると説明されています。既存のRAG基盤を持つ企業は、どのcorpusをProで再indexし、どのqueryをFastへ流すかを段階的に決める必要があります。画像や表を含む社内資料を扱う場合は、権限、監査log、古いembeddingの置き換え、binary出力時の精度低下の可能性も検証点になります。