Cohere вывела Compass в облако: поисковый движок стал управляемым сервисом

Что именно открылось

Compass — это платформа поиска и извлечения данных, на которой строят приложения с корпоративными документами: поиск по внутренней базе, генерацию с опорой на найденные источники и агентные сценарии, где модель сама решает, что ещё посмотреть. Компания описывает её как фундамент, который разработчик настраивает под свои данные и свой рабочий процесс.

До сих пор Compass в основном обеспечивал извлечение внутри North — корпоративного рабочего пространства Cohere с библиотеками документов и собственной экосистемой MCP. Кроме того, движок поставлялся в закрытые, самостоятельно развёрнутые контуры для партнёров из регулируемых отраслей, чьи данные нельзя отдавать во внешний облачный сервис.

Теперь Compass выходит за эти рамки: 25 сентября 2026 года Cohere объявила о приватной бете Compass Cloud — управляемого варианта той же платформы. Cohere берёт на себя полный конвейер обработки и инференс моделей, а команда клиента обращается к готовому сервису через API, MCP-сервер или Python SDK. Самостоятельные установки при этом никуда не исчезают: они остаются доступны для проектов с ограничениями по приватности.

Причину компания называет прямо: запросы на управляемый вариант были постоянными и однородными — командам нужны возможности Compass, но не операционная нагрузка, которая сопутствует собственному развёртыванию. Бета открыта для ограниченного числа корпоративных команд, заявки собирают через форму на странице продукта.

Три сдвига, из-за которых поиск перестал быть одной функцией

Cohere объясняет выход в облако не только спросом, но и изменением самих требований к корпоративному поиску. Раньше качество извлечения описывалось двумя величинами — релевантностью и задержкой одного запроса. Теперь, когда поиск стал опорной инфраструктурой для генеративных моделей и агентов, компания выделяет три сдвига.

Первый — экономика токенов. Каждый нерелевантный результат, попавший в модель, занимает токены и место в ограниченном контексте. Чем точнее извлечение, тем короче и качественнее вход, а значит ниже стоимость инференса и меньше времени уходит на выполнение задачи. Cohere называет извлечение одним из самых действенных рычагов снижения расходов, доступных бизнесу сегодня.

Второй — агентные модели обращения к данным. Агент может выдать десятки запросов на одну задачу: переформулировать запрос, пройти по нескольким источникам, уточнить формулировку. В таких многошаговых циклах задержки накапливаются, релевантность уходит в сторону, а права доступа нужно проверять на каждом шаге. Значит, извлечение обязано работать устойчиво на последовательностях машинно-сгенерированных запросов, а не только на одиночном поиске.

Третий — фрагментированный стек извлечения. В реальном конвейере рядом стоят отдельные системы для загрузки документов, индексирования, переранжирования, контроля доступа и оркестрации. Разные промежуточные звенья и разные источники истины приводят к тому, что команды тратят основные силы на интеграцию, а не на качество поиска. Compass задуман как ответ на все три сдвига сразу: он даёт управляемый контекст для генеративных сценариев, поддерживает и агентный, и обычный поиск, а ядро стека извлечения собирает в одну настраиваемую службу.

Семь шагов внутри одного сервиса

Полный стек Compass описан как единая служба с одной точкой входа вместо нескольких интегрируемых продуктов. Первый шаг — подключение: готовые коннекторы к файловым хранилищам и облачным дискам, включая SharePoint, OneDrive и Google Drive, плюс заявленная совместимость с разными языками, типами данных и форматами файлов.

Второй шаг — разбор документов. Compass превращает составные корпоративные файлы в структурированные данные, подбирая стратегию разбора под каждый документ и подключая обработку изображений только там, где она действительно добавляет качества, — это экономит вызовы моделей. Третий шаг — представления: система строит плотные и разреженные векторы вместе, чтобы поиск находил и смысловую близость, и точную отраслевую терминологию, причём как в тексте, так и в мультимодальном содержимом.

Четвёртый шаг — индексирование: исходные файлы, разобранное содержимое и векторы хранятся отдельными записями, поэтому новую модель представлений можно подключить без повторного обхода и повторной загрузки тех же материалов, а на этапе поиска они лежат в одном индексе вместе с метаданными. Пятый шаг — извлечение: семантический, разреженный и ключевой поиск можно запускать по отдельности или вместе, балансируя полноту и точность, а права доступа проверяются в момент выдачи, а не оставляются приложению.

Шестой шаг — переранжирование: лучший, по заявлению Cohere, реранкер компании отбирает самые релевантные фрагменты из широкого набора кандидатов, сокращая объём лишнего контекста и число токенов, необходимых для генерации. Седьмой шаг — управление доступом: Compass обеспечивает многопользовательский контроль и права на уровне документа прямо во время извлечения, а политики хранения автоматически истекают для содержимого и не дают удалённым документам вернуться в индекс при повторной синхронизации.

Насколько точнее — и на чём это измерено

Главная цель Compass сформулирована просто: повысить релевантность информации, которую получают корпоративные приложения — будь то конвейер генерации с опорой на источники или автономный агент. Качество опирается на модели поиска и обработки документов Cohere вместе с гибридным поиском: лексическим, разреженным и плотным, с последующим переранжированием.

В качестве иллюстрации Cohere приводит один замер на финансовой нагрузке: найти в индексе презентационные материалы по запросу и оценить верхние результаты. На High Finance — внутреннем бенчмарке инвестиционно-банковских материалов, размеченном самой Cohere, — Compass показал nDCG@10 81,1 против 64,8 у Azure Search, то есть улучшение на 14–16 пунктов.

Методику компания раскрывает вместе с числом: документы Azure Search разбирались с помощью GPT-4.1 Mini, а Cohere Embed 4 обошёлся без отдельного решения для разбора и подал входные PDF напрямую как изображение. Оговорка тоже приведена: это один представительный пример промышленной нагрузки, а не универсальное сравнение поисковых систем.

Два способа подключиться

Compass Cloud предлагает два пути интеграции, и выбор зависит от того, насколько глубоко команда хочет управлять извлечением. Первый — Compass API: он подходит тем, кто строит собственные поисковые приложения и конвейеры с опорой на источники и хочет контролировать, как содержимое представляется, извлекается, ранжируется и попадает в приложение.

Второй — Model Context Protocol: Compass поставляет отдельный, независимо версионируемый MCP-сервер, который отдаёт извлечение как набор инструментов по открытому стандарту. Совместимые с MCP клиенты могут сами обнаруживать и вызывать эти инструменты, поэтому Compass переносится между агентными фреймворками без отдельной интеграции под каждый из них.

Именно агентное извлечение Cohere называет развивающимся подходом на стыке языковых моделей и поиска информации: вместо одной пары «запрос — ответ» агент сам решает, что искать, оценивает найденное и уточняет запрос до того, как ответить. Это полезно там, где одной справки недостаточно: с MCP-сервером агент постепенно сужает корпус, расходует меньше контекста и проходит сложные поисковые задачи быстрее. В качестве примера Cohere показывает подключение корпоративного агента в North к Compass MCP.

Для разработчиков, работающих на Python, компания отдельно поддерживает Compass SDK: библиотека разбирает документы и складывает их в индекс Compass — разбор выполняется через Parser API, а операции над индексом (создание, удаление, поиск документов) — через API самого Compass.

Условия беты и что дальше

Compass Cloud открыт по заявке: Cohere работает с ограниченным числом корпоративных команд как бета-партнёрами. Участники получают практическую поддержку инженерной команды, ранний доступ к облачному развёртыванию и прямое влияние на план развития продукта. Заявку собирают через форму на странице Compass.

Кроме того, компания анонсировала живую сессию 8 октября с участием инженерного и продуктового руководства Cohere — она пройдёт на платформе X и будет посвящена тому, куда движется корпоративный поиск.

Для рынка корпоративного поиска это ещё один шаг к модели, в которой команда покупает готовое извлечение как услугу, а не собирает стек из загрузки, индексации, переранжирования и контроля доступа своими руками. Cohere при этом сохраняет обе крайние точки: управляемый сервис для тех, кому важна скорость запуска, и самостоятельное развёртывание для тех, кому важнее границы данных.