Cohere

Cohere 是加拿大多倫多的企業 AI 公司，跟 OpenAI、Anthropic 走的路線很不一樣：它幾乎不做一般消費者的聊天 App，賣的是「可以裝進你自己機房」的模型與平台。官網列出的客戶有 Oracle、Dell、SAP、RBC、TD Bank、富士通、LG CNS 與麥肯錫，主要對象是金融、電信、公部門這類對資料外流很敏感的產業。

功能特色與適用場景：產品分成兩層。平台層是 North 與 Compass。North 2 是目前的旗艦，官網形容它是把安全、治理、成本控管整合在一起的代理平台，裡面有 Agents、Automations（用自然語言建自動化流程）、Skills（可重複呼叫的能力）、Libraries、Memory、Guardrails 與管理後台，還能直接在對話裡產出簡報、儀表板與文件；Compass 則是企業搜尋，內建資料連接器、文件解析與代管索引。模型層的生成模型是 Command 家族，最新的 Command A+（command-a-plus-05-2026）是 Cohere 第一個 MoE 模型，把看圖、推理、代理與翻譯塞進同一組權重，官方說一張 B200 或兩張 H100 就跑得動；另有 Command A Reasoning、Command A Vision、Command A Translate，以及 North 系列的 North Small Translate（支援 50 多種語言）與寫程式用的 North Mini Code。做 RAG 的人更常用的是 Embed 5（Pro／Fast，可同時嵌入文字、圖片與 PDF）和 Rerank 5（新增 Context Focus，會直接標出文件中最相關的段落），另外還有 Parse 文件解析與 Transcribe 語音辨識。

部署是 Cohere 最大的賣點：可以走 Cohere API、Model Vault 專屬推論平台（不跟別人共用資源），或直接裝在自家 VPC、地端機房，也上架在 Amazon Bedrock、SageMaker 與 Azure 等雲端市集。

給台灣使用者的建議：中文能力要看模型。Command A Translate 官方列出的 23 種語言包含中文，研究用的 Aya Expanse 明確寫了支援簡體與繁體中文；拿來做中文 RAG 前，建議先用自家文件測 Embed 與 Rerank 的召回率。Cohere 適合的不是想找聊天機器人的個人，而是銀行、保險、半導體廠這類「資料不能出境」又想用生成式 AI 的團隊——北美的 Bedrock 區域或地端部署都能談。我會建議先拿 Trial key 把 Rerank 疊在既有的 Elasticsearch 上試，這是成本最低、最快看到效果的切入點。10 月下旬 Cohere 揭露自家沙盒抓到開放權重模型嘗試外傳檔案（我們的整理），地端跑開源模型的企業值得一讀。