直接答案：Cohere 现在不只是“提供文本生成 API 的大模型公司”。它的产品可以分成三层：Command 系列负责生成、推理与工具调用；Embed 和 Rerank 负责企业搜索与 RAG 的检索、重排；North 与 Compass 则把模型、数据连接、权限和工作流组合成企业产品。选型时应先确定你缺的是哪一层，再用自己的中文资料、权限结构和失败问题集验证，不能因为厂商把能力放在同一产品图里，就认为一个模型能替代整套系统。
本文依据 Cohere 公司页、模型文档、产品页、部署说明、企业数据承诺、价格与限额文档整理，资料复核日期为 2026 年 7 月 19 日。产品型号、价格、托管平台和数据处理规则会变化，采购或上线前应回到对应官方页面与合同核对。
Cohere 是什么：先分清模型、检索组件和企业工作台
Cohere 公司介绍把自身定位为构建基础模型和企业 AI 解决方案的公司。对使用者更有帮助的理解不是背诵公司历史，而是看清交付边界：你可以直接调用模型 API，也可以在第三方云、私有云或本地环境部署部分模型，还可以采购包含搜索、Agent 和工作流能力的完整产品。
| 层级 | 代表产品 | 主要输入与输出 | 不能默认获得 |
|---|---|---|---|
| 生成与推理 | Command A+、Command A 等 | 上下文、图片或工具描述 → 文本、推理结果、工具调用建议 | 真实业务授权、数据权限、工具执行与结果正确性 |
| 检索基础模型 | Embed 4、Rerank 4 | 资料 → 向量；查询+候选 → 相关性排序 | 完整索引、访问控制、文档解析和最终答案 |
| 企业搜索 | Compass | 连接数据源 → 索引、搜索与发现 | 所有企业系统都能零配置接入、权限永远同步 |
| 工作台与 Agent | North | 企业数据和工具 → 问答、内容、自动化流程 | 无需审批的无限行动权，或开箱即用的业务正确性 |
这一区分能避免两个常见误解。第一，Embed 不是聊天模型：它把文本、图片或混合内容表示为向量，方便相似度检索。第二，Rerank 不是搜索数据库：它接收查询和一批候选结果，重新评估相关性；候选如何召回、用户是否有权查看、结果是否过期，仍由应用和数据层负责。
当前核心产品怎么选
Command A+：需要多模态推理、Agent 与私有部署时评估
Command A+ 模型文档列出的模型 ID 为 command-a-plus-05-2026，支持文本和图像输入、推理、工具使用、结构化输出与 48 种语言，模型权重以 Apache 2.0 许可发布。文档同时说明其上下文窗口为 128K、最大输出 64K，并给出自托管所需硬件的参考配置。这里的数字是特定模型版本的规格，不应外推到所有 Command 型号或所有托管平台。
Command A+ 适合需要把文档、图表、工具和多步推理放在同一任务中的团队，但“支持工具调用”只表示模型能提出结构化调用建议。应用仍需验证参数、检查用户权限、执行真实函数、处理超时和重复请求，并把结果返回给模型。涉及写库、付款、发邮件或删除数据时，应设置人工确认、幂等和撤销路径。可结合本站的AI 智能体权限与治理指南设计执行边界。
Embed 4：需要中文、多模态资料检索时评估
Embed 模型文档显示，embed-v4.0可处理文本、图像和混合输入，提供 256、512、1024 或 1536 维输出，最长上下文为 128K。它适合把 PDF、演示文稿、图片与文本放入同一检索体系，但输入上限不等于“整份文件无需解析”：扫描质量、页眉页脚、表格结构、分段策略、图片分辨率和文档版本仍会影响结果。
不要用厂商公开榜单直接代替本地评测。至少建立一组包含术语缩写、跨语言查询、表格数字、否定条件、时间范围和访问权限的中文问题；记录正确文档是否出现在前 K 条、错误召回来自哪里，以及删除或更新文档后索引何时生效。已有自建 RAG 管线的读者可参考本站的Haystack RAG Pipeline 指南检查索引与评测边界。
Rerank 4：初检有召回、但前排噪声太多时评估
Rerank 4 发布说明列出 rerank-v4.0-fast 与 rerank-v4.0-pro 两个版本，支持多语言、半结构化 JSON，并把上下文扩展到 32K。Fast 面向延迟和吞吐，Pro 面向更复杂的相关性判断。Rerank 通常放在关键词、向量或混合检索之后，只对候选集合重排；如果正确文档根本没有被第一阶段召回，重排无法把它凭空找回来。
评测时应把“无重排、Fast、Pro”放在同一候选集上比较，至少记录 NDCG@10 或 MRR、P50/P95 延迟、送入重排的文档数、长文截断和每次查询费用。高风险场景还要单独检查相似但权限不同、年份不同或条款已失效的文档，防止语义相关性掩盖业务有效性。
Compass 与 North：需要完整产品时再评估
Compass 产品页把它描述为端到端搜索与发现系统，包含连接器、文档解析、托管索引，以及基于 Embed 和 Rerank 的检索。它适合不想自行拼装解析、向量库和重排服务的团队，但采购前仍要验证实际数据源、增量同步、删除传播、文档级权限和故障恢复。
North 产品页则覆盖搜索、生成内容和 Agent 自动化，并可部署在 VPC、本地环境或 Cohere 的 Model Vault。它更接近企业工作台而不是单个 API。评估重点应从“回答看起来不错”提升到身份映射、连接器权限、工具审批、审计日志、共享范围和版本回滚。若企业已经有编排框架，也可先阅读本站的LangChain 生产边界指南，比较自建与完整产品的责任分界。
应该买模型 API、私有模型，还是 North/Compass？
选择交付形态时，先盘点团队已经拥有的能力。如果已有身份系统、文档解析、索引、评测、工作流引擎和审计平台，采购单层模型通常更容易控制替换成本；如果这些能力都缺失，完整产品可能缩短试点时间，但需要更仔细验证连接器、权限同步和退出机制。不能只比较“模型单价”和“整套产品报价”，因为两者包含的工程责任不同。
| 现状与任务 | 优先评估 | 客户仍需负责 | 采购前停止线 |
|---|---|---|---|
| 已有向量库，但中文与图片召回差 | Embed 4 与现有 embedding 对照 | 解析、分块、索引、权限和评测 | 无法导出向量或重建索引成本不可接受 |
| 正确文档常在候选中但排位靠后 | Rerank 4 Fast/Pro | 第一阶段召回、候选过滤和业务有效期 | 相关性提升但 P95 延迟或查询成本越界 |
| 检索稳定，需要生成、引用或工具建议 | Command A+ 或其他 Command 型号 | 上下文拼装、授权、执行、核验和拒答 | 关键主张无来源或工具参数不可控 |
| 缺少统一搜索与索引平台 | Compass | 数据源授权、身份映射、删除传播和验收 | 核心数据源不支持或权限不能同步 |
| 需要面向员工的搜索、创作和 Agent 工作台 | North | 业务流程、审批、培训、审计和事故响应 | 不能限制动作、不能回滚或无法导出审计记录 |
还要明确退出路径：原始文档能否完整导出、向量是否可复用、提示词与工具定义是否归客户、日志能保存多久、连接器撤销后缓存何时删除、切换模型是否需要重做索引。一个试点即使回答质量很好，只要没有数据和配置的迁移方案，也可能形成难以估算的锁定成本。项目合同、上线门槛和责任交接可结合AI 项目从立项到上线指南统一管理。
Command A+ 的最小集成应该验证什么？
最小集成不应从“让模型自动处理整个工单”开始。先用只读任务验证消息结构、模型 ID、超时、错误码、Token 用量和日志脱敏；再加入一个没有副作用的查询工具，确认模型提出调用、应用验证参数、真实工具返回结果、模型使用结果作答的完整回路。最后才逐级开放写入型工具。
Cohere 的工具使用模式文档说明，模型可以选择调用一个或多个工具，也可能直接回答；应用还可通过 tool_choice 控制必须调用或禁止调用。这里的“强制调用”只是控制模型输出路径，并不会替应用完成身份鉴别、参数校验和真实函数执行。本站的Function Calling 工程指南进一步给出了白名单、幂等键、超时和人工审批的实现边界。
需要机器可解析结果时，可使用 Cohere 的结构化输出文档所述 JSON mode 或 JSON Schema mode；带工具的严格结构化输出在 API 版本和参数上有适用条件。即使输出通过 Schema，也只证明格式满足约束，不证明字段值真实。例如模型可以返回合法的日期字符串，却引用不存在的合同；业务层仍须检查枚举、主键、权限、金额范围和来源。
对写库、付款、发送、删除等操作，建议将工具返回分为“预览”和“提交”两个阶段。预览阶段生成将要变更的对象、字段和影响范围；提交阶段必须带用户确认、最新版本号和幂等键。若模型重复发出同一个调用，系统应返回已处理结果而不是执行两次。关键工具还应设置速率限制、费用上限和熔断开关，不能把自然语言提示当成安全边界。
一个可执行的 Cohere 选型流程
| 步骤 | 要做的事 | 可交付证据 | 停止条件 |
|---|---|---|---|
| 1. 定义任务 | 写清用户、输入、输出、时间和允许动作 | 任务合同与风险分级 | 只写“提升效率”，没有可观察目标 |
| 2. 准备数据 | 选 50–200 个真实中文问题和对应权威文档 | 问题集、文档版本、权限标签 | 测试数据来自营销演示或模型自己生成 |
| 3. 建立基线 | 先测关键词/现有向量检索和现有模型 | 召回、排序、延迟、费用基线 | 没有基线就声称新方案“提升” |
| 4. 分层替换 | 一次只替换 Embed、Rerank 或 Command 一层 | 同输入对照实验 | 同时改数据、提示词、模型后无法归因 |
| 5. 小流量上线 | 只读、沙箱、人工审批，再逐步放量 | 失败日志、人工复核与回滚演练 | 越权召回、无来源关键事实或不可逆误动作 |
如果任务只是“找出最相关的段落”，无需先采购完整 Agent 工作台；如果已有稳定检索但答案引用错位，可以先测试 Rerank 和生成模型；如果需要跨 CRM、工单和文档系统执行流程，才进入 North 或自建 Agent 的比较。模型选择还应结合数据驻留、团队运维能力和故障责任，相关方法可参考本站的本地部署与云端模型选择指南。
怎样建立能代表中文企业搜索的评测集？
问题集不能只从已有 FAQ 抄取，因为那会低估真实搜索中的缩写、错别字、口语、跨语言名称和上下文缺失。应从脱敏后的真实搜索日志、客服转交、员工访谈和失败记录中抽样，再由熟悉业务的人标注“哪些文档在什么日期、什么权限下可以回答”。同一个问题可能有多个可接受来源，也可能因为用户部门不同而应返回不同答案。
| 样本类型 | 示例关注点 | 检索验收 | 生成/Agent 验收 |
|---|---|---|---|
| 中文术语与缩写 | 产品别名、内部缩写、中英混写 | 正确实体进入 Top K | 展开缩写并说明适用组织 |
| 版本与时间 | “今年”“旧合同”“现行制度” | 优先有效版本，旧版可追溯 | 回答注明生效日和资料日期 |
| 否定与条件 | “哪些情况不能报销” | 召回限制条款而非只召回正向介绍 | 保留例外条件，不擅自简化 |
| 表格与图片 | 费率表、流程图、扫描 PDF | 正确页、行或图进入候选 | 数字与单位可回指原位置 |
| 相似文档 | 同名制度、不同地区或部门 | 按元数据与权限排除错误版本 | 不把多个版本拼成一个结论 |
| 无答案问题 | 资料库不存在或用户无权访问 | 不靠低相关文档凑结果 | 拒答、说明缺口并给出正确升级路径 |
Cohere 的Rerank 最佳实践说明，Rerank 4 会按上下文长度切分长文档，并对查询、文档数量和 chunk 数设有具体处理规则。由此可以推断，候选文档的字段顺序、截断位置和自定义分块会影响排序结果；评测报告必须保存送入 API 的真实字符串，而不是只保存原始文件名。
检索阶段至少报告 Recall@K、MRR 或 NDCG 等与任务相符的指标，同时单列“越权文档进入候选”“过期文档排在现行版本之前”等业务错误。生成阶段要把答案拆成可核验主张，检查引用是否真的支持对应句子；相关方法可参考AI 内容审核与事实核验指南。一个回答可能文字流畅、引用数量充足，却仍然把来源中的条件词删掉，因此不能只用整体主观评分。
模型或索引升级时怎样避免静默回归？
模型 ID、API 版本、默认参数、Tokenizer、文档分块和向量维度都属于发布合同。升级 Embed 时，旧向量与新向量通常不能未经验证混在同一索引中；改变维度还可能要求重建字段和迁移存储。升级 Rerank 或 Command 时，也要固定候选集和上下文，区分质量变化究竟来自模型还是上游数据。
| 变更 | 必须重跑 | 兼容性检查 | 回滚材料 |
|---|---|---|---|
| Embed 型号/维度 | 全量检索回归与抽样人工评审 | 向量维度、距离函数、输入类型和分块 | 旧索引快照、旧模型 ID、重建脚本 |
| Rerank Fast/Pro 或版本 | 固定候选集的排序、延迟和费用 | 上下文、截断、文档格式与 top_n | 旧请求样本和旧排序结果 |
| Command 型号/API | 引用、拒答、结构化输出和工具回归 | 消息格式、思考预算、工具参数和输出上限 | 旧模型路由、提示词与配置 |
| 连接器/解析器 | 权限、删除传播、表格和扫描件测试 | 身份映射、增量游标、重复文档和元数据 | 连接器版本、同步水位与索引快照 |
| North/Compass 工作流 | 端到端任务与人工审批演练 | 角色、共享范围、审计字段和撤销路径 | 流程定义、权限导出和停用开关 |
发布时先做影子流量或只读对照，再把很小比例请求切到新版本。判断标准应包含质量、越权、失败率、P95 延迟、成本和人工修订量；任何一项超过预设停止线就恢复旧版本。不要在同一次发布里同时更换模型、索引、提示词和权限规则，否则即使结果变好，也无法建立可靠的因果解释和回滚路径。
还应保存模型知识截止日期与资料更新时间。Command A+ 官方模型卡列出知识截止日，但企业问答的实时性仍主要取决于你提供的资料和工具；不能因为模型版本较新就省略检索。对价格、政策、人员和库存等易变事实，应强制调用权威数据源或明确拒答，而不是让模型凭参数记忆补全。
每次发布还应把模型 ID、API 版本、索引版本和评测集版本写入同一条审计记录，确保用户反馈能够定位到当时真正运行的组合，而不是只知道“用了 Cohere”。
数据隐私与部署：不要把一句营销承诺写成通用结论
部署方式说明把选择分为 Cohere 托管平台、第三方云 AI 服务、私有云和本地部署。不同方式下，数据经过谁的基础设施、由谁保留日志、谁能访问输入输出并不相同。私有部署通常能带来更强的数据控制，但也把补丁、容量、监控、密钥和事故响应责任更多地交给客户。
企业数据承诺说明：第三方云和私有部署中 Cohere 不接收客户输入输出；在 Cohere SaaS 中，客户可通过数据控制设置选择不将提示和生成用于训练，获批零数据保留的客户还有不同处理方式。具体权利仍受账户设置、企业协议、DPA、违规审查和所选部署方式影响。因此，不能把“Cohere 永远不会接触或使用任何客户数据”作为不带条件的整站结论。
| 部署方式 | 优点 | 主要责任/代价 | 上线前要问 |
|---|---|---|---|
| Cohere SaaS/API | 开通快，平台维护 | 需核对数据控制、保留、区域和限额 | 输入输出如何记录？可否零保留？ |
| 第三方云 AI 服务 | 复用现有云合同和网络 | 型号、地区、功能和更新可能不同 | 数据由谁处理？模型 ID 是否一致？ |
| 客户 VPC | 网络和数据边界更可控 | 部署、容量与升级责任增加 | 镜像、补丁、遥测和故障由谁负责？ |
| 本地/隔离环境 | 数据主权和隔离能力强 | 硬件、运维和安全成本最高 | 离线升级、许可证和审计怎样完成？ |
价格与 API：记录型号和计费单位，不抄一张永久价格表
Cohere 价格页同时包含按 Token、按搜索以及按 Model Vault 实例等不同口径；Rerank 的一次“search”还会受文档数和分块影响。API 密钥与限额文档区分试用和生产密钥，并按模型/端点给出每分钟或每月限额。新型号可能要求联系销售进入生产，试用密钥也不代表允许公开商业服务。
成本台账至少记录：模型 ID、托管平台、输入/输出 Token、Embed 输入量、Rerank 搜索与候选文档数、实例运行时长、重试、缓存命中和人工复核时间。同名模型在不同云、量化和上下文设置下可能有不同吞吐、价格与功能；正式预算应以当前控制台、合同和实测账单为准。
| 费用项 | 常见驱动因素 | 容易漏记 | 控制方法 |
|---|---|---|---|
| 生成 | 输入/输出 Token、模型、推理长度 | 工具循环、失败重试、长历史 | 上下文预算、缓存、停止条件 |
| 向量化 | 文档量、重复索引、维度 | 多版本文件、图片、删除重建 | 内容哈希、增量更新、生命周期 |
| 重排 | 每次候选数、文档长度、查询量 | 长文分块后计数增加 | 先召回再小集合重排 |
| 私有部署 | 实例/硬件、冗余、运维 | 闲置容量、升级和监控 | 压测容量、分级服务、故障演练 |
上线验收：六道门都通过才放量
最终验收不能只看一张“回答准确率”。检索系统要区分没召回、排错位和文档本身错误；生成系统要区分引用缺失、引用不支持主张和模型无证据补全；Agent 还要检查模型建议、应用授权、工具实际执行和业务结果四个环节。每次失败都应能回到具体文档、索引版本、模型 ID、请求参数、工具调用和负责人。
同时把业务指标和模型指标分开：检索相关性提高，不一定缩短员工处理时间；回答更流畅，也不一定减少复核工作。试点应事先约定任务完成率、人工修订量、越权事件、回退率与单次成功任务成本，并保留没有改善或反而变差的结果。只有在相同问题、相同资料版本和相同权限条件下比较，才能判断改动来自模型、检索、流程还是人员培训。
推荐保留三套问题集：稳定回归集用于每次升级；困难集覆盖长文、中文、表格、否定条件和相似版本；安全集覆盖越权、提示注入、敏感数据和不可逆动作。上线后从真实失败中补充样本，但先脱敏并确认使用授权。模型或索引升级时必须重跑，不以“厂商说兼容”跳过回归。
常见问题
Cohere 适合个人免费使用吗？
可以用试用密钥做学习和原型，但官方区分试用与生产用途，并设置不同限额。公开产品、商业流量或敏感场景应核对生产密钥、价格、使用政策和审批要求，不能把免费试用当作长期生产方案。
只做中文知识库，应该先选 Embed 还是 Command？
如果当前主要问题是“找不到正确资料”，先评测 Embed 与现有检索；如果资料已经能稳定召回，但回答组织、引用或工具调用不好，再评测 Command。很多失败来自解析、权限和索引，不应先用更大的生成模型掩盖。
用了 Rerank 就不会产生幻觉吗？
不会。Rerank 只优化候选结果的相关性顺序，不验证资料事实，也不控制生成模型是否忠实引用。它可能改善提供给模型的上下文，但仍需来源核验、拒答规则和回答评测。
Command A+ 是开源模型吗？
官方模型文档写明 Command A+ 权重以 Apache 2.0 许可发布，并提供 Hugging Face 与 Cohere 部署路径。具体权重、量化版本、第三方组件和托管服务仍可能有各自条款；North、Compass 等完整产品也不能因为底层某个模型的许可而自动视为同一许可证。
编辑复核与纠错记录
本文由兰塞 AI 编辑流程于 2026 年 7 月 19 日复核。旧稿把 Generate、Classify、Command R+ 和 Coral 等历史产品写成当前核心产品，并存在无来源的融资、排名、性价比和无条件数据承诺；本次改为以 Cohere 当前官方产品与文档为准，补充 Command A+、Embed 4、Rerank 4、North、Compass、API 与完整产品的责任分界、中文评测集、工具调用与结构化输出边界、版本迁移、部署和数据处理条件。本站的来源、更新与纠错原则见关于本站与编辑规范。
