Cohere Embed Multilingual v3

Cohere Embed Multilingual v3 es un modelo de embeddings de texto que Cohere publicó en noviembre de 2023 para búsqueda, generación aumentada por recuperación y tareas de similitud semántica en más de 100 idiomas. Toma texto de entrada de hasta 512 tokens y produce por defecto un vector de 1024 dimensiones, con soporte de embeddings más cortos de 384 o 768 dimensiones cuando un equipo quiere una búsqueda más rápida o un coste de almacenamiento menor. Cohere lo entrenó junto a un hermano solo en inglés, Embed English v3, y presentó ambos como mejora respecto a la v2 porque ponderan los pasajes por lo relevantes que es probable que sean, y no solo por lo parecidos que son, lo que reduce los resultados de recuperación ruidosos en los procesos de RAG. Cuesta 0,10 $ por millón de tokens a través de la API de Cohere y también se distribuye en los marketplaces de AWS, Azure y Oracle Cloud. Cohere ha publicado después modelos Embed v4 más nuevos, y algunos proveedores en la nube, como Oracle, listan ahora la v3 como opción heredada o en desuso, aunque sigue disponible a través de la propia API de Cohere y de Hugging Face.