コヘア、Embed 4を発表：マルチモーダルAIモデルが200ページに及ぶ文書横断検索を実現

エンタープライズ向け検索拡張生成（RAG）は、エージェント型AIイノベーションの継続的な波において中核的な役割を果たし続けている。AIエージェントへの持続的な関心の高まりを背景に、Cohereは埋め込みモデルの最新版を発表した。大幅に拡張されたコンテキストウィンドウと強化されたマルチモーダル機能を備えている。

CohereのEmbed 4モデルは、Embed 3が築いたマルチモーダル基盤をさらに進化させ、非構造化データの処理能力を向上させました。128,000トークンに対応するコンテキストウィンドウにより、企業は200ページ相当の長文文書に対する埋め込み生成が可能になりました。

「従来の埋め込みモデルは複雑なマルチモーダル業務文書の本質的理解に欠けることが多く、企業はわずかな精度向上しか得られない複雑な前処理システムを構築せざるを得ませんでした」とCohereはブログ発表で指摘。「Embed 4はこの根本的課題を解決し、企業とそのチームが膨大な検索不能情報リポジトリに埋もれた貴重な知見を効率的に発見することを可能にします」

データセキュリティ強化のため、企業は仮想プライベートクラウド環境またはオンプレミス技術インフラストラクチャ内でEmbed 4を実装可能。

企業は埋め込み技術を活用し、文書や様々なデータタイプをRAGアプリケーションに適した数値表現に変換する。AIエージェントはこれらの埋め込み情報を活用し、ユーザークエリに対して正確な回答を提供できる。

ドメイン固有の知識

同社によれば、Embed 4は金融、医療、製造業などの高コンプライアンス分野に特に適している。企業向けAIプロバイダーとして、Cohereは規制産業の厳格なセキュリティ要件を考慮してモデルを設計し、ビジネスコンテキストの深い理解を確保している。

本モデルは、実世界の企業データに典型的な不規則性に対する耐性を備えるよう訓練されています。スペルミスや不整合な書式といった一般的な欠陥に遭遇しても高い精度を維持します。

「スキャン文書や手書きテキスト（法的契約書、保険請求書、経費領収書などで多用される形式）の検索においても堅牢な性能を発揮します。この機能により複雑なデータ準備や前処理ワークフローが不要となり、企業は大幅な時間と運用コストを削減できます」とCohereは説明している。

組織はEmbed 4を、投資家向けプレゼンテーション、デューデリジェンスファイル、臨床試験報告書、設備修理マニュアル、製品ドキュメントなど幅広い資料に適用できます。

前モデルと同様に、100以上の言語に対応しています。

CohereのクライアントであるAgoraは、Embed 4をAI検索エンジンに統合し、関連製品情報の検索におけるモデルの有効性を確認しました。

「Eコマースデータは本質的に複雑で、画像と多面的なテキスト説明が混在しています。自社製品に対する統一された埋め込み表現を作成したことで、検索機能が加速し、社内ツールの効率が大幅に向上しました」と、アゴラの創設者であるパラム・ジャギ氏はブログ投稿で述べています。

エージェントのユースケース

Cohereは、Embed 4のようなモデルがエージェント型AIアプリケーションを大幅に強化し、企業全体のAIアシスタントや自律エージェントにとって最適な検索基盤となると位置付けています。

「多様なデータタイプにおける高い精度に加え、本モデルは企業レベルの効率性を追求して構築されています」とCohereは説明。「これにより大規模組織の要求に応える効果的なスケーリングが可能となります」

さらにCohereは、Embed 4が圧縮データ埋め込みを生成することで、しばしば障壁となるストレージコストの削減に貢献すると強調した。

埋め込みとRAG（参照強化型検索）を活用したAIエージェントは、特定の文書を正確に特定・参照し、タスク指向のリクエストを実行できる。この手法は信頼性の高い結果を生むと広く認識されており、エージェントが誤った回答や幻覚応答を提供するリスクを最小限に抑える。

競争環境において、Embed 4はQodoのQodo-Embed-1-1.5Bや、データベースプロバイダーMongoDBに買収されたVoyage AIの製品群など、他モデルと競合している。