原文標題：Embed 5 and Rerank 5 now on OpenRouter
Cohere 於 2026 年 11 月 4 日宣布，旗下最新一代檢索模型「Embed 5」與「Rerank 5」正式在統一模型路由平台 OpenRouter 上線。已經在使用 OpenRouter 的開發者無須額外申請帳號或修改基礎設定，即可直接沿用既有的 API 金鑰與帳戶額度，透過單一 API 介面串接這兩款專為企業複雜文件檢索打造的模型。
在檢索增強生成（RAG）架構中，Cohere 這兩款模型具備兩大關鍵技術特性：首先，「Embed 5 Pro」與「Embed 5 Fast」共用同一個向量嵌入空間（Embedding Space），讓開發者能在離線建立文件索引時採用高品質的 `embed-5-pro`，而在即時線上查詢時改用低延遲的 `embed-5-fast`，兼顧檢索精準度與回應速度；其次，Embed 5 支援六種維度大小的俄羅斯娃娃向量（Matryoshka Vectors，預設最高 2048 維，官方建議使用 1024 維以取得最佳成本效益）。
在第二階段精排方面，「Rerank 5」具備跨查詢與跨領域校準過（Calibrated）的相關性評分機制，代表同一個分數門檻在不同主題的查詢中具有一致意義，方便系統在將上下文送入大型語言模型（LLM）前先過濾掉低關聯段落。開發者僅需搭配 Python 3.10 以上環境與 pgvector、Qdrant、Pinecone 或 Weaviate 等向量資料庫，即可快速建構附帶評分引用的企業知識檢索系統。
發生了什麼事
Cohere 宣布將 Embed 5（含 Pro 與 Fast）與 Rerank 5 檢索模型上架至 OpenRouter 平台，支援開發者以單一 API 建構兩階段 RAG 檢索流程。
為什麼重要
Embed 5 Pro/Fast 共用向量空間讓企業能以高精準度建索引、低延遲做查詢，搭配 Rerank 5 校準評分與 OpenRouter 單一介面，大幅降低導入企業級 RAG 的門檻。
影響哪些人
使用 OpenRouter 的 AI 應用開發者、建構企業搜尋與客服知識庫的資料工程師，以及需要高精準度文件檢索的團隊。
已確認與未確認
已確認 Embed 5 Pro/Fast 共用嵌入空間、預設 2048 維（支援六種尺寸）與 Rerank 5 校準評分特性；OpenRouter 目前嵌入 API 預設回傳浮點數（Floats）格式向量。
