Cohere, Rerank 5 검색 모델 2종 출시

Cohere가 기업 문서 검색을 위한 재순위화 모델 Rerank 5 Pro와 Fast를 API 및 여러 클라우드 플랫폼으로 출시했습니다. Pro는 Cohere가 시험한 공개 벤치마크에서 선두를 기록했고, Fast는 비용과 지연시간을 낮추면서 선두권 성능을 제공합니다. 두 모델에는 문서 관련성 점수와 함께 문서 안에서 관련성이 높은 구절을 반환하는 선택 기능 Context Focus가 추가됐습니다.

복합 데이터셋 46개에서 Pro는 39개에서 1위, 43개에서 2위 이내에 들었습니다. 추론 중심 검색 벤치마크 BRIGHT의 RCP-nDCG@10 점수는 82.2로, Voyage AI Rerank 3보다 5.8점, Rerank 4 Pro보다 12.4점 높았습니다. ViDoRe V3에서는 가장 강한 외부 경쟁 모델보다 1.6점, BEIR에서는 1.8점, nanoMTEB에서는 3.4점 앞섰습니다. Fast는 주요 벤치마크 4개 모두에서 Voyage AI Rerank 3 Lite와 Qwen3-Reranker-0.6B, Qwen3-Reranker-8B를 앞섰습니다.

기업이 선정한 6개 언어에서 Pro는 스페인어 91.2점, 프랑스어 90.5점, 독일어 90.6점, 아랍어 89.7점, 일본어 89.4점, 한국어 91.8점을 기록했습니다. 스페인어·프랑스어·독일어·아랍어·한국어에서는 Rerank 4 Pro보다 최소 2점 높았으며, Cohere 내부 평가의 비영어권 언어 19개 중 14개에서 1위를 차지했습니다. PDF 파싱 문서 검색에서는 데이터셋 47개 평균 89.9점으로 Voyage AI Rerank 3의 88.4점과 Rerank 4 Pro의 88.3점을 웃돌았고, Fast는 88.5점을 기록했습니다. NVIDIA A100 한 대에 지속적으로 부하를 준 조건에서 Fast는 토큰 1,000개 길이의 표준 문서를 초당 약 187개 재순위화했습니다. 처리량은 Pro의 2.9배였고 응답 시간은 거의 3배 빨랐습니다.

Cohere에 따르면 Context Focus는 검색된 텍스트의 절반을 제거하면서 답변 품질을 2%포인트 낮춰 96%를 유지할 수 있습니다. 텍스트를 4분의 3 줄이면 품질은 7%포인트 낮아져 87%를 유지합니다. 이 설정에서는 팀이 품질과 검색 문맥의 양을 조정해 문맥을 최대 10배 줄일 수 있습니다. 데이터셋 17개를 대상으로 한 검색 에이전트 평가에서 BM25 키워드 검색에 Pro를 추가하자 정확도가 46%에서 49%로 올랐습니다. 기본 임계값 0.1의 Context Focus를 적용하면 작업당 토큰이 19% 감소하고 정확도는 57%가 됐습니다. 임계값 0.4에서는 토큰이 34% 줄고 정확도는 58%에 도달했습니다. 전체 설정을 임계값 0.4로 사용하면 BM25 단독 대비 토큰을 35% 적게 쓰면서 정확도는 46%에서 58%로 높였습니다. 심층 검색 벤치마크 6개에서는 토큰 사용량이 41% 감소했고 정확도는 39%에서 52%로 상승했습니다.

Rerank 5의 관련성 점수는 문서가 유용할 확률을 나타내도록 보정됩니다. 예를 들어 점수 0.7은 유용할 확률 70%를 뜻합니다. 유용한 문서를 판단하는 임계값은 Pro가 0.50, Fast가 0.45입니다. 독립적인 사람 평가 데이터셋 2개와 비교했을 때 사람 평가 세트에서 Pro와 Fast의 기대 보정 오차는 각각 0.058이었습니다. NIST 평가에서는 Pro가 0.057, Fast가 0.058을 기록했습니다. Cohere가 공개한 API 가격은 토큰 100만 개당 Pro 0.05달러, Fast 0.02달러입니다. 두 모델은 Cohere API, Model Vault, Microsoft Foundry, Amazon SageMaker, North에서 일반 제공되며, 비공개 VPC와 온프레미스 배포도 지원합니다. 키워드 검색, 벡터 검색 또는 하이브리드 검색에 색인을 다시 만들지 않고 적용할 수 있습니다.

Cohere가 기업 문서 검색을 위한 재순위화 모델 Rerank 5 Pro와 Fast를 API 및 여러 클라우드 플랫폼으로 출시했습니다. Pro는 Cohere가 시험한 공개 벤치마크에서 선두를 기록했고, Fast는 비용과 지연시간을 낮추면서 선두권 성능을 제공합니다. 두 모델에는 문서 관련성 점수와 함께 문서 안에서 관련성이 높은 구절을 반환하는 선택 기능 Context Focus가 추가됐습니다.

복합 데이터셋 46개에서 Pro는 39개에서 1위, 43개에서 2위 이내에 들었습니다. 추론 중심 검색 벤치마크 BRIGHT의 RCP-nDCG@10 점수는 82.2로, Voyage AI Rerank 3보다 5.8점, Rerank 4 Pro보다 12.4점 높았습니다. ViDoRe V3에서는 가장 강한 외부 경쟁 모델보다 1.6점, BEIR에서는 1.8점, nanoMTEB에서는 3.4점 앞섰습니다. Fast는 주요 벤치마크 4개 모두에서 Voyage AI Rerank 3 Lite와 Qwen3-Reranker-0.6B, Qwen3-Reranker-8B를 앞섰습니다.

기업이 선정한 6개 언어에서 Pro는 스페인어 91.2점, 프랑스어 90.5점, 독일어 90.6점, 아랍어 89.7점, 일본어 89.4점, 한국어 91.8점을 기록했습니다. 스페인어·프랑스어·독일어·아랍어·한국어에서는 Rerank 4 Pro보다 최소 2점 높았으며, Cohere 내부 평가의 비영어권 언어 19개 중 14개에서 1위를 차지했습니다. PDF 파싱 문서 검색에서는 데이터셋 47개 평균 89.9점으로 Voyage AI Rerank 3의 88.4점과 Rerank 4 Pro의 88.3점을 웃돌았고, Fast는 88.5점을 기록했습니다. NVIDIA A100 한 대에 지속적으로 부하를 준 조건에서 Fast는 토큰 1,000개 길이의 표준 문서를 초당 약 187개 재순위화했습니다. 처리량은 Pro의 2.9배였고 응답 시간은 거의 3배 빨랐습니다.

Cohere에 따르면 Context Focus는 검색된 텍스트의 절반을 제거하면서 답변 품질을 2%포인트 낮춰 96%를 유지할 수 있습니다. 텍스트를 4분의 3 줄이면 품질은 7%포인트 낮아져 87%를 유지합니다. 이 설정에서는 팀이 품질과 검색 문맥의 양을 조정해 문맥을 최대 10배 줄일 수 있습니다. 데이터셋 17개를 대상으로 한 검색 에이전트 평가에서 BM25 키워드 검색에 Pro를 추가하자 정확도가 46%에서 49%로 올랐습니다. 기본 임계값 0.1의 Context Focus를 적용하면 작업당 토큰이 19% 감소하고 정확도는 57%가 됐습니다. 임계값 0.4에서는 토큰이 34% 줄고 정확도는 58%에 도달했습니다. 전체 설정을 임계값 0.4로 사용하면 BM25 단독 대비 토큰을 35% 적게 쓰면서 정확도는 46%에서 58%로 높였습니다. 심층 검색 벤치마크 6개에서는 토큰 사용량이 41% 감소했고 정확도는 39%에서 52%로 상승했습니다.

Rerank 5의 관련성 점수는 문서가 유용할 확률을 나타내도록 보정됩니다. 예를 들어 점수 0.7은 유용할 확률 70%를 뜻합니다. 유용한 문서를 판단하는 임계값은 Pro가 0.50, Fast가 0.45입니다. 독립적인 사람 평가 데이터셋 2개와 비교했을 때 사람 평가 세트에서 Pro와 Fast의 기대 보정 오차는 각각 0.058이었습니다. NIST 평가에서는 Pro가 0.057, Fast가 0.058을 기록했습니다. Cohere가 공개한 API 가격은 토큰 100만 개당 Pro 0.05달러, Fast 0.02달러입니다. 두 모델은 Cohere API, Model Vault, Microsoft Foundry, Amazon SageMaker, North에서 일반 제공되며, 비공개 VPC와 온프레미스 배포도 지원합니다. 키워드 검색, 벡터 검색 또는 하이브리드 검색에 색인을 다시 만들지 않고 적용할 수 있습니다.