Cohere משיקה את Embed 5: מודל embedding שמבין טקסט ותמונות יחד

חברת Cohere השיקה את Embed 5, משפחה חדשה של מודלי embedding שמיועדת לחיפוש ארגוני, למערכות RAG ולאחזור מידע על ידי סוכני AI. כך מדווח האתר MarkTechPost. המשפחה מגיעה בשתי גרסאות, ושתיהן מקבלות כקלט טקסט, תמונות או שילוב של טקסט ותמונה בתוך קלט אחד.

מה זה מודל embedding, ולמה הוא חשוב

מודל embedding הוא לא צ'טבוט. הוא לא כותב תשובות. התפקיד שלו הוא להמיר קטע טקסט או תמונה לייצוג מספרי (וקטור) שמבטא את המשמעות שלו. כשמשתמש שואל שאלה, המערכת ממירה גם את השאלה לווקטור ומחפשת במאגר את המסמכים הקרובים אליה ביותר במשמעות, גם אם לא מופיעות בהם אותן מילים בדיוק.

זו התשתית של RAG (Retrieval-Augmented Generation): שיטה שבה מודל שפה גדול (LLM) מקבל לפני שהוא עונה את המסמכים הרלוונטיים מתוך המאגר של הארגון. אם שלב האחזור מפספס, גם ה-LLM החזק ביותר יענה על סמך מידע חלקי או שגוי. לכן איכות מודל ה-embedding משפיעה ישירות על איכות התשובות.

שתי גרסאות: איכות מול מהירות

לפי הדיווח, Cohere מציעה שתי גרסאות:

• Embed 5 Pro: מכוונת לאיכות אחזור מרבית.
• Embed 5 Fast: מכוונת להשהיה (latency) נמוכה ולעלות נמוכה בנתיב השאילתה החי, כלומר ברגע שבו משתמש מקליד שאלה ומחכה לתשובה.

הפיצול הזה משקף ככל הנראה את האופן שבו ארגונים בונים מערכות כאלה בפועל. את כל המאגר ממירים לווקטורים פעם אחת, מראש, ושם אפשר להשקיע יותר. לעומת זאת, כל שאילתה של משתמש מעובדת בזמן אמת, ושם כל אלפית שנייה וכל סנט מצטברים. ייתכן שכך ארגונים ישלבו את שתי הגרסאות, אבל הדיווח לא מפרט את ההמלצה הזאת.

טקסט ותמונות באותו מרחב

התמיכה בקלט משולב של טקסט ותמונה היא כנראה החידוש המשמעותי לארגונים. הרבה מהידע הארגוני לא יושב בטקסט נקי: מצגות, תרשימים, מסמכים סרוקים וקטלוגים של מוצרים עם צילומים. מודל שמבין את התמונה ואת הטקסט שלצידה כיחידה אחת יכול, לפחות בתיאוריה, לאחזר מידע שמודל טקסט בלבד היה מפספס.

התחרות

השוק הזה צפוף. כותרת הכתבה ב-MarkTechPost מציבה את Embed 5 מול Voyage 4 Large, מול Gemini Embedding 2 של גוגל ומול מודלי ה-embedding של OpenAI. בחומר שעמד לרשותנו לא הופיעו תוצאות ההשוואה עצמן, ולכן אי אפשר לקבוע מכאן איזה מודל מוביל ובאילו מדדים.

המשמעות

Cohere מתמקדת כבר שנים בשוק הארגוני ולא במוצרי צריכה, ו-Embed 5 ממשיך את הקו הזה. המשמעות לארגונים שבונים מערכות חיפוש פנימיות או סוכני AI היא עוד אפשרות רצינית בשכבה שקל לשכוח: לא המודל שמדבר עם המשתמש, אלא המודל שקובע איזה מידע הוא בכלל יראה. ההכרעה בין הספקים צפויה להתקבל לפי מבחנים על הנתונים של כל ארגון, ולא לפי הכרזות.