Embed 5 کوهیر: نسل تازهٔ بردارسازی
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
کوهیر از Embed 5 رونمایی کرد، قوی‌ترین خانوادهٔ embedding این شرکت تا امروز. embedding یعنی تبدیل متن یا تصویر به یه بردار عددی که شباهت معنایی رو قابل اندازه‌گیری می‌کنه و زیربنای سیستم‌های جست‌وجو و RAG هست. به گفتهٔ کوهیر، این نسل روی دادهٔ سازمانی سخت مثل اسناد پر از تصویر، گزارش‌های مالی، PDFهای پارس‌شده، کد و بازیابی چندزبانه نسبت به Embed 4 جهش قابل توجهی داره.
دو مدل منتشر شده. embed-v5.0-pro برای بالاترین کیفیت بازیابیه و بیشتر به درد ایندکس‌کردن آفلاین و کارهایی می‌خوره که کیفیت حرف اول رو می‌زنه. embed-v5.0-fast هم برای تأخیر کم و throughput بالا ساخته شده، یعنی سرچ تعاملی، حلقه‌های agent و ترافیک سنگین کوئری.
نکتهٔ کاربردی اینه که Pro و Fast یه فضای برداری مشترک دارن. یعنی مجموعه‌ای که با یکی ایندکس کردی رو می‌تونی با اون یکی کوئری بزنی و لازم نیست همه‌چیزو از اول بسازی. خود کوهیر پیشنهاد می‌کنه با Pro ایندکس کنی و با Fast سرچ بزنی تا هم کیفیت بمونه هم هزینه و تأخیر پایین بیاد.
از نظر ورودی، Embed 5 هم متن می‌گیره هم تصویر هم ترکیب متن و تصویر، مثلاً یه صفحهٔ PDF، و همه رو تو یه بردار جا می‌ده. بیشتر از ۱۰۰ زبان رو پشتیبانی می‌کنه و پنجرهٔ کانتکستش ۱۲۸ هزار توکنه. بردارهاش Matryoshka هستن، یعنی می‌تونی بردار رو از انتها کوتاه کنی و همچنان معنادار بمونه: ابعاد ۲۵۶ تا ۲۰۴۸ با خروجی float و int8 و binary. یعنی هزینهٔ ذخیره‌سازی رو خودت تنظیم می‌کنی.
دسترسی از راه Embed API کوهیره، و جدا از اون روی Microsoft Foundry و Amazon SageMaker هم هست. برای استقرار تک‌مستأجری (single-tenant) هم از طریق Model Vault ارائه میشه.
نکات کلیدی:
- دو مدل: embed-v5.0-pro برای کیفیت، embed-v5.0-fast برای تأخیر کم و throughput بالا
- فضای برداری مشترک بین Pro و Fast: ایندکس با Pro، کوئری با Fast
- ورودی چندوجهی: متن، تصویر و ترکیب متن و تصویر در یک بردار
- پشتیبانی از بیش از ۱۰۰ زبان و پنجرهٔ کانتکست ۱۲۸ هزار توکن
- بردار Matryoshka با ابعاد ۲۵۶ تا ۲۰۴۸ و خروجی float، int8 و binary
- در دسترس از Embed API، Microsoft Foundry، Amazon SageMaker و Model Vault
