Cohere发布Rerank 5重排序模型，新增Context Focus段落级检索
Cohere称Rerank 5 Pro在 46 个复合数据集中的 39 个排名第一，并推出可选功能Context Focus，单次调用同时返回文档级分数与文内相关段落；API定价Pro每百万token 0.05美元、Fast 0.02美元。
AI解读：Cohere称Rerank 5 Pro在ViDoRe V3、nanoMTEB、BRIGHT、BEIR四个公开基准上领先其测试的所有竞品，在 46 个复合数据集里 39 个排第一、43 个至少排第二；评测采用Cohere自研的RCP-nDCG@10 方法。这些是厂商自报结果。
新功能Context Focus让一次Rerank调用返回文档内最相关的文本片段及分数，而不只是文档级排序，开发者可设阈值决定削减多少上下文。Cohere称在 30 个问答数据集上删去一半检索文本仅损失 2 个百分点答案质量，删去四分之三损失 7 个百分点。
Cohere称Rerank 5的相关性分数经过校准，0.7 可读作“70% 概率有用”；在其引用的两组人工标注上，期望校准误差约 0.06，其测试的其他重排序模型接近其四倍或更高。Pro与Fast判定“更可能有用”的阈值分别为 0.50 和 0.45。
性能方面，Cohere称在单张NVIDIA A100上持续负载下Fast每秒重排序约 187 篇千token文档，吞吐为Pro的 2.9 倍，响应时间也快近 3 倍；Pro面向质量优先场景。
Cohere发布企业检索重排序模型Rerank 5，分为Pro和Fast两档，并首次加入可选功能Context Focus：一次重排序调用除返回文档级相关性分数外，还能标出每篇文档内部最相关的文本片段及其分数。Cohere称该功能可让应用只把必要证据传给大模型，减少token消耗。
Rerank 5今天已通过Cohere API、Model Vault、Microsoft Foundry、Amazon SageMaker以及面向全部North用户开放，私有VPC或本地部署需联系Cohere。API定价为Pro每百万token 0.05美元、Fast每百万token 0.02美元。Cohere称它可与现有关键词、向量或混合检索栈配合，无需重建索引。
基准表现：Cohere自报Pro在四个公开基准领先
Cohere称Rerank 5 Pro在ViDoRe V3、nanoMTEB、BRIGHT、BEIR四个公开基准上优于其测试的所有竞品模型。在 46 个复合数据集中，Pro有 39 个排名第一、43 个至少排名第二。评测使用Cohere自研的RCP-nDCG@10 方法，Cohere称该方法用于缓解传统nDCG因相关性标注覆盖不全带来的偏差。以上数字均为Cohere单方发布，未经独立复现。
Cohere重点提到推理密集型检索基准BRIGHT：Rerank 5 Pro得分 82.2，比Voyage AI Rerank 3高 5.8 分，比上一代Rerank 4 Pro高 12.4 分，是四个主要基准中代际提升最大的一项。Cohere还称Pro在ViDoRe V3上领先最强外部竞品 1.6 分、BEIR领先 1.8 分、nanoMTEB领先 3.4 分。
在速度优先的Fast档，Cohere称其在四个基准上均超过Voyage AI Rerank 3 Lite、Qwen3-Reranker-0.6B，以及参数量更大的Qwen3-Reranker-8B和上一代Rerank 4 Pro。
Context Focus：从文档级排序延伸到文内段落
Context Focus是Rerank 5新增的可选能力。开启后，单次Rerank API调用同时返回文档级相关性分数和文档内被打分的文本片段，开发者可用阈值在“削减上下文”与“保留证据”之间调节，无需在检索流程中额外增加步骤。请求示例中通过relevant_spans参数设置模式、阈值和最大片段数。
Cohere在 30 个单轮问答数据集上测试了删除检索文本对答案质量的影响：删去一半上下文，答案质量只下降 2 个百分点（保留 96%）；删去四分之三，下降 7 个百分点（保留 87%）。Cohere称若需要更大削减，最多可减少 10 倍上下文，但要牺牲部分质量。这些是Cohere自行设计的评测结果。
Cohere还报告了一组搜索智能体实验：以BM25为起点，加入Rerank 5 Pro后准确率从 46% 升至 49%；再开启Context Focus默认阈值 0.1，每任务token减少 19%、准确率升至 57%；阈值 0.4 时token减少 34%、准确率 58%。Cohere称整套方案比单用BM25少用 35% token，准确率更高；在六个深度搜索基准上少用 41% token，准确率从 39% 升至 52%。该实验基于 17 个数据集、每数据集 50 题。
分数校准与部署：一个阈值跨领域使用
Cohere称Rerank 5返回的relevance_score可直接读作“文档有用的概率”，例如 0.7 表示 70% 概率有用，无需更改请求或响应格式。Pro与Fast对“更可能有用”的判定阈值分别为 0.50 和 0.45。Cohere称在BRIGHT、NanoBEIR、ViDoRe V3上，Pro的默认阈值保持在 0.47 到 0.53 之间。
校准效果方面，Cohere使用两组未参与模型训练的人工判断做检验：一组是盲评人员的 2,262 篇文档，另一组是NIST TREC深度学习的 20,646 篇文档。Cohere称Rerank 5的期望校准误差约为 0.06，其测试的其他重排序模型接近这一数值的四倍或更高；同时Pro和Fast在两组判断上的平均精度分别排第一和第二。
性能上，Cohere称在单张NVIDIA A100、每请求 96 篇文档、并发 8 的条件下，Rerank 5 Fast持续负载下每秒约重排序 187 篇 1,000 token文档，吞吐为Pro的 2.9 倍，响应时间快近 3 倍；Pro适合排序质量优先于速度的场景。Cohere另称其托管检索平台Compass Cloud进入私有测试，整合解析、嵌入、混合搜索与重排序。