O que é Cohere Embed 5?
Embed 5 é a família de embeddings mais nova da Cohere, lançada em 30 de setembro de 2026 como embed-v5.0-pro, voltado à qualidade de recuperação, e embed-v5.0-fast, voltado a latência e custo. Modelos de embedding transformam conteúdo em vetores para que o software encontre material relacionado, a base da busca e da geração aumentada por recuperação (RAG).
Os dois aceitam texto, imagens ou entrada combinada de texto e imagem, como páginas de PDF, até 128K tokens por entrada, e foram treinados em mais de 100 idiomas. A saída vai de 256 a 2.048 dimensões, em float, int8 ou binário. Pro e Fast compartilham um espaço de embedding, então um índice criado com o Pro pode ser consultado com o Fast.
Ele é vendido na API da Cohere a US$ 0,12 por milhão de tokens de texto no Pro e US$ 0,08 no Fast, com imagens a US$ 0,40 por milhão nos dois, e pelo Microsoft Foundry, Amazon SageMaker e o Model Vault dedicado da Cohere a partir de US$ 3 por hora.
Quanto custa Cohere Embed 5?
| Plano | Preço | O que inclui |
|---|---|---|
| Embed 5 Pro | $0.12 per 1M text tokens | |
| Embed 5 Fast | $0.08 per 1M text tokens | |
| Images | $0.40 per 1M tokens | |
| Model Vault | From $3/hour or $2,000/month per instance |
API: Pro US$ 0,12 e Fast US$ 0,08 por 1M de tokens de texto; imagens US$ 0,40 por 1M. Model Vault a partir de US$ 3/hora ou US$ 2.000/mês por instância.
Cohere Embed 5 vale a pena?
O Embed 5 merece entrar na lista curta para documentos empresariais longos e visualmente densos. Uma entrada de 128K tokens permite enviar relatórios e documentos regulatórios inteiros de uma vez, e a entrada por imagem de página e combinada de texto e imagem significa que slides e tabelas digitalizadas não precisam ser convertidos em texto antes. O post de lançamento da Cohere coloca o Embed 5 Pro com 85,8 no ViDoRe V3, à frente do Voyage 4 Large (83,7), do Gemini Embedding 2 (83,2) e do text-embedding-3-large da OpenAI (75,5), e 8,8 pontos acima do Embed 4.
Leia esses números com cuidado. Eles usam RCP-nDCG@10, uma métrica criada pela Cohere para pontuar resultados por critérios de relevância específicos de cada consulta em vez de rótulos fixos, e as margens sobre o Voyage são de um a dois pontos. A maior diferença está em corpora combinados de texto e imagem, onde a Cohere informa 82,3 para o Pro contra 61,3 do Gemini Embedding 2. Ainda não encontramos resultado independente de leaderboard para o Embed 5.
Os preços, que no início faltavam na documentação, agora são públicos e competitivos. Indexar 5 bilhões de tokens de texto, cerca de dez milhões de páginas de 500 tokens cada, custa cerca de US$ 600 com o Pro ou US$ 400 com o Fast. Imagens custam US$ 0,40 por milhão de tokens em qualquer nível, mais de três vezes a tarifa de texto do Pro. O espaço compartilhado entre os níveis é o ganho prático: indexe uma vez com o Pro e depois atenda as consultas com o Fast, mais barato, sem refazer os embeddings.
O porém para trabalhos em massa são os limites de taxa. Uma chave de produção permite 2.000 entradas de texto por minuto, mas só 400 imagens, e a documentação lista apenas o endpoint síncrono Embed para a v5, não os Embed Jobs em batch. Um milhão de imagens de páginas leva cerca de 42 horas de chamadas contínuas nesse teto, que é mais ou menos onde uma instância do Model Vault de US$ 2.000 por mês começa a valer a pena.
Onde ele se destaca
Um engenheiro de busca em uma gestora de ativos que indexa 20 anos de relatórios anuais
Recuperar a tabela certa em documentos de 300 páginas
Gere embeddings de imagens de páginas ou vetores combinados de página e metadados com o Pro e consulte o mesmo índice com o Fast. A Cohere informa o Pro em primeiro no FinanceBench (80,1) e no FinQA (90,0) nos próprios testes. A US$ 0,12 por milhão de tokens de texto, um arquivo de 5 bilhões de tokens custa cerca de US$ 600 para indexar.
Um chefe de gestão do conhecimento em uma empresa de engenharia de 2.000 pessoas
Tornar pesquisáveis manuais digitalizados e apresentações sem um projeto de parsing
O embedding de imagem de página dispensa a limpeza de OCR em diagramas e tabelas. Para controle de dados, o mesmo modelo roda no Microsoft Foundry, no SageMaker ou em implantação privada, onde a Cohere diz não receber nenhuma entrada; no SaaS da Cohere, desative o treinamento em Data Controls.
Um desenvolvedor de RAG em uma startup de 15 pessoas
Manter a busca interativa rápida e o armazenamento pequeno
Use o embed-v5.0-fast a US$ 0,08 por milhão de tokens; a saída int8 reduz o armazenamento de vetores em quatro vezes em relação a float, e a binária em 32 vezes. As chaves de teste são gratuitas, mas limitadas a 1.000 chamadas por mês e proibidas em produção.
Antes de decidir
- Configuração
- Crie uma chave de teste gratuita e depois solicite uma chave de produção na página de cobrança; chame o endpoint Embed com embed-v5.0-pro ou embed-v5.0-fast.
- Integrações
- Cohere Embed API, Microsoft Foundry, Amazon SageMaker, Model Vault e implantação privada em VPC ou on-premises.
- Dados e privacidade
- Na plataforma SaaS da Cohere, os prompts registrados são apagados após 30 dias e o uso para treinamento pode ser desativado em Data Controls; em plataformas de nuvem e implantações privadas a Cohere não recebe nenhuma entrada. SOC 2 Type II, ISO 27001 e ISO 42001 segundo o trust centre da Cohere.
- Custo em escala
- 5 bilhões de tokens de texto custam cerca de US$ 600 no Pro ou US$ 400 no Fast; tokens de imagem US$ 0,40 por milhão. Instâncias do Model Vault custam US$ 3/hora ou US$ 2.000/mês (small) e US$ 5/hora ou US$ 3.250/mês (medium).
- Limites
- 128K tokens por entrada. Chaves de produção: 2.000 entradas de texto ou 400 de imagem por minuto; chaves de teste: 5 entradas de imagem por minuto e 1.000 chamadas por mês. Os Embed Jobs em batch aparecem só para modelos v3.
O que é bom
- Entrada de 128K tokens por item
- Embedding de imagem de página e combinado de texto e imagem
- Pro e Fast compartilham um espaço vetorial
- Preços publicados: US$ 0,12 e US$ 0,08 por 1M de tokens de texto
O que não é
- Os benchmarks são da própria Cohere, em uma métrica própria
- Imagens limitadas a 400 entradas por minuto nas chaves de produção
- Entrada de imagem custa US$ 0,40 por 1M de tokens nos dois níveis
- O uso para treinamento na plataforma SaaS só é desativado se você recusar
Ideal para
Empresas que indexam PDFs longos, documentos regulatórios e apresentações com texto e imagens misturados.
Alternativas ao Cohere Embed 5
Cohere Embed 5: perguntas frequentes
- Cohere Embed 5 vale a pena?
- Feito para documentos empresariais longos e visualmente bagunçados e agora com preços públicos, embora todos os benchmarks que o favorecem sejam da própria Cohere. Damos nota 4.2 de 5.
- Quanto custa Cohere Embed 5?
- API: Pro US$ 0,12 e Fast US$ 0,08 por 1M de tokens de texto; imagens US$ 0,40 por 1M. Model Vault a partir de US$ 3/hora ou US$ 2.000/mês por instância.
- Quais são as desvantagens de Cohere Embed 5?
- Os benchmarks são da própria Cohere, em uma métrica própria; imagens limitadas a 400 entradas por minuto nas chaves de produção; entrada de imagem custa US$ 0,40 por 1M de tokens nos dois níveis; o uso para treinamento na plataforma SaaS só é desativado se você recusar.
- Para quem Cohere Embed 5 é indicado?
- Empresas que indexam PDFs longos, documentos regulatórios e apresentações com texto e imagens misturados.
- Quanto custa Cohere Embed 5 para uma equipe ou em produção?
- 5 bilhões de tokens de texto custam cerca de US$ 600 no Pro ou US$ 400 no Fast; tokens de imagem US$ 0,40 por milhão. Instâncias do Model Vault custam US$ 3/hora ou US$ 2.000/mês (small) e US$ 5/hora ou US$ 3.250/mês (medium).
- Cohere Embed 5 é seguro para dados da empresa?
- Na plataforma SaaS da Cohere, os prompts registrados são apagados após 30 dias e o uso para treinamento pode ser desativado em Data Controls; em plataformas de nuvem e implantações privadas a Cohere não recebe nenhuma entrada. SOC 2 Type II, ISO 27001 e ISO 42001 segundo o trust centre da Cohere.
- Quais são as melhores alternativas ao Cohere Embed 5?
- As alternativas mais próximas que analisamos são voyage-4-large, Gemini Embedding 2 e text-embedding-3-large.
Respostas verificadas em 22 de out. de 2026.