AI関連の最新ニュースをピックアップ
米Microsoftは2026年10月21日、エンタープライズAI開発基盤「Microsoft Foundry（旧Azure AI Studio / Azure AI Foundry）」のモデルカタログにおいて、Cohere（コーヒア）社の最新リランキングモデル「Cohere Rerank v5」の提供を開始したと発表した。開発者は検索拡張生成（RAG（検索で得た情報を生成AIに渡して回答精度を高める技術））パイプラインに同モデルを組み込むことで、検索結果の適合性を高めつつ、言語モデルへの入力トークン消費と処理遅延を大幅に削減できる。
生成AIアプリケーションの回答品質は、検索段階で取得されるコンテキスト情報の適合性に大きく左右される。Cohere Rerank v5は、検索エンジンやベクトルDBから得られた文書群をクエリに対する関連度順に再スコアリング（リランキング）する。安定した関連度スコアを出力するため、閾値を設定して低品質な情報をあらかじめ除外しやすい設計となっている。
今回の提供では、ユースケースに応じて選択可能な2つのバリアントと新機能が導入された。
多言語対応も強化されており、グローバル展開する企業の多言語ナレッジベース検索にもそのまま適用可能である。
RAGワークフローにおける従来の検索・リランキング処理と、Cohere Rerank v5（Context Focus利用時）の違いを比較する。
| 比較項目 | 従来型リランキング | Cohere Rerank v5（Context Focus） |
|---|---|---|
| LLMへの入力単位 | 文書全体または固定長チャンク全体 | クエリに合致した最適な一節（パッセージ）のみ抽出 |
| トークン消費・コスト | 不要な文脈が多くトークンを大量消費 | 必要な箇所のみ送信するため消費トークンを大幅削減 |
| モデル選択肢 | 単一モデルで速度・精度の妥協が必要 | 高速な「Fast」と高精度な「Pro」を用途別選択 |
| スコア安定性 | クエリごとのスコア変動が大きく閾値設計が困難 | キャリブレーション済みスコアで除外閾値が設定容易 |
開発者への影響: 長文の業務マニュアルや規程集から特定の条件を検索する場合、従来は数百〜数千トークンのチャンクをそのままプロンプトに含める必要があった。Context Focusを活用することで、回答に必要な数行の一節のみをLLMに渡せるため、コンテキストウィンドウの圧迫を防ぎ、ハルシネーション（もっともらしい嘘）のリスクも抑制できる。
編集部注：RAGシステムの開発において、埋め込みベクトル検索（Dense Retrieval）単体では語順や専門用語のニュアンスを取りこぼすケースが多く、クロスエンコーダ型のリランキングモデルの併用が事実上の標準となりつつある。Cohereの強みである検索特化技術がMicrosoft Foundryのカタログにネイティブ統合されたことで、Azure基盤上で機密データを保持しながら高精度な検索パイプラインを容易に構築できる意義は大きい。