10月23日消息，近日，Cohere 正式发布新一代企业级检索重排模型 Rerank 5，分为 Pro 高性能版与 Fast 高速版两个版本，和 Embed 5、Parse 5 共同组成 Cohere 全新搜索模型套件，面向 RAG、AI 智能体等检索密集场景。

检索重排（Rerank）是 RAG 链路的关键一环：先通过向量检索、关键词检索召回一批候选文档，再由重排模型根据和用户问题的语义相关性重新排序、过滤噪声。相比前代 Rerank 4，Rerank 5 在通用、专业领域、多语言检索上全面升级，并且带来两项核心创新：上下文聚焦（Context Focus）、概率校准相关性分数。

在性能评测上，Rerank 5 Pro 在 ViDoRe V3、nanoMTEB、BRIGHT、BEIR 等主流检索基准中表现领跑，46 套数据集拿下 39 项第一、43 项进入前二。尤其在考验深度语义推理的 BRIGHT 基准提升巨大，得分 82.2，较上一代提升 12.4 分，大幅领先竞品。

垂直领域覆盖金融、医疗、科研、能源等企业高频场景，在财报推理、专业文献检索任务上优势明显；多语言能力同步增强，在西班牙语、法语、德语、阿拉伯语、日韩等商用语言上普遍优于主流竞品。

Rerank 5 Fast 主打低延迟、高吞吐，在 A100 上单机吞吐可达 Pro 版本的 2.9 倍，同时综合检索质量超过竞品轻量化版本，甚至优于上代 Rerank 4 Pro，适合高并发、对时延敏感的线上业务。

本次最大亮点之一是上下文聚焦能力：传统重排只能判断整篇文档是否相关，而 Rerank 5 可以在一次调用中，直接定位文档内部相关性最强的文本片段。实测数据显示，开启该功能后，在小幅损失回答质量的前提下，能够大幅削减送入大模型的 Token 数量。

在智能体搜索链路测试中，相比原始 BM25 基线，整套方案最高可减少 41% Token 消耗，同时问答准确率从 39% 提升至 52%，实现质量与成本双向优化。

另一项重要改进是相关性分数校准。过去绝大多数重排模型的打分仅用于相对排序，分数不具备概率含义，业务侧需要反复调试阈值。Rerank 5 输出的相关性分数经过严格校准，分数值近似代表这份文档真正有用的概率，Pro 版本推荐阈值约 0.5，Fast 版本约 0.45，跨查询、跨领域、跨版本基本可以复用同一套阈值，方便业务判断是否把文档交给大模型，也能识别 “没有相关资料” 的场景，避免 AI 基于无关文本编造答案。在 NIST TREC-DL 等公开评审集上，Rerank 5 的期望校准误差（ECE）远低于竞品。

部署方面，Rerank 5 支持 Cohere API、Model Vault、微软 Foundry、亚马逊 SageMaker，也支持私有 VPC 和本地私有化部署，可无缝接入现有检索管线，无需重建向量索引，兼容 LangChain、Elasticsearch、Weaviate 等主流框架。定价上，Pro 版本为每百万 Token 0.05 美元，Fast 版本每百万 Token 0.02 美元。

官方同时透露，托管检索平台 Compass Cloud 正处于私有 Beta 阶段，整合文档解析、向量化、混合搜索、重排全套能力，面向检索类 AI 应用。