NVIDIA 发布 Nemotron 3.5 Embed、Rerank 和 Parse 开源检索模型
NVIDIA 扩展 Nemotron Retriever 系列，发布 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 631M 参数的 Nemotron 3.5 Parse，均为开放商用权重。
#RAG
Hugging Face 社区博客AI 评分6161 Cohere 产品与研究博客精选AI 评分6363 Cohere 发布 Rerank 5 企业检索重排模型，分 Pro 与 Fast 两档
Cohere 发布 Rerank 5 Pro 与 Fast 两款企业检索重排模型。
推荐理由：Cohere 官方发布 Rerank 5，给出基准分数、校准分数机制和 Context Focus 的实测 token 节省，可评估是否接入检索链路。
MarkTechPostAI 评分4848 Perplexity 发布 pplx-embed-v2-late：0.6B 边缘模型与 9B 模型，MADQA 得分 92.4%
Perplexity 发布 ColBERT 式多模态嵌入模型 pplx-embed-v2-late，含 0.6B 与 9B 两个版本，9B 在 MADQA 上取得 92.4% 的最佳成绩，0.6B 则面向边缘设备与本地查询编码。
MarkTechPostAI 评分6363 Cohere 发布 Embed 5 嵌入模型：Pro 与 Fast 双档对比 Voyage 4 Large、Gemini Embedding 2 和 OpenAI
Cohere 发布 Embed 5 嵌入模型家族，分 Pro 和 Fast 两档，均支持文本、图像及图文融合输入、100+ 语言和 128K token 上下文，两档共享同一向量空间，可用 Pro 建索引、Fast 查询。
MarkTechPostAI 评分5353 Perplexity 发布上下文嵌入模型 pplx-embed-v2-context-9b-preview，可同时检索答案与支撑证据
Perplexity Research 与 turbopuffer 发布上下文嵌入模型 pplx-embed-v2-context-9b-preview，权重以 MIT 许可托管在 Hugging Face，可自托管部署，尚未上线 Perplexity API。
Aravind Srinivas@AravSrinivasAI 评分5050引用Perplexity@perplexity_aiWe built a new way to train contextual embedding models, which encode each chunk of a document with the whole document in view. pplx-embed-v2-context-9b-preview sets a new state of the art on ConTEB and @turbopuffer's new, privately held context-bench. https://www.perplexity.ai/hub/blog/contextual-embedding-beyond-the-gold-passage
Cohere 产品与研究博客精选AI 评分6969 Cohere 发布 Embed 5 嵌入模型家族，含 Pro 和 Fast 两档
Cohere 发布 Embed 5 嵌入模型家族，含 Pro 和 Fast 两档，支持文本与图像输入、100+ 语言、128K 上下文，已通过 Cohere API、Microsoft Foundry、Amazon SageMaker 等渠道开放。
推荐理由：官方给出两个档位的定价、基准成绩和共享嵌入空间设计，读者可以据此权衡检索质量与查询成本的部署方案。
Hugging Face 社区博客AI 评分5454 NeoMME 发布 260M 与 800M 多语言多模态编码器，权重以 Apache 2.0 开源
H Company 团队发布 NeoMME，含 260M 和 800M 两个尺寸的多语言多模态编码器，用单个双向 Transformer 从零处理文本 token 和 32×32 图像 patch，不使用预训练视觉塔或因果语言模型，训练采用掩码离散扩散目标，每个模型处理约 5240 亿 packed token。
MarkTechPostAI 评分5555 Cohere 发布 Parse 5（parse-v5.0）：2.3B 视觉语言模型，将企业文档转为 Markdown
Cohere 发布文档解析模型 Parse（parse-v5.0），基于 North-Micro-Vision-Instruct 架构，拥有 2.3B 参数、8,192-token 上下文窗口和约 4.6GB 体积，可将 PDF、PPT、JPEG 页面直接转为含 HTML 表格和边界框坐标的 Markdown，无需独立 OCR 阶段。
Cohere@cohereAI 评分4646推出 Cohere Parse 5。这是我们最新的文档解析模型，拥有市场上最强的性价比。 非常适合高吞吐量的企业工作。在保持每页价格处于行业低位的同时，获得高质量的解析准确率。
Cohere 产品与研究博客AI 评分5959 Cohere 发布企业文档解析模型 Parse
Cohere 发布面向企业文档的视觉语言模型 Parse，可将多模态文件转为结构化 Markdown，支持表格、图片理解和 9 种主要语言。
IT之家·人工智能AI 评分5454 英伟达开源 Nemotron 3 Embed 系列 AI 模型，8B 版斩获 RTEB 榜首
英伟达开源 Nemotron 3 Embed 系列模型，面向 AI 智能体和 RAG 场景，配备 32K 上下文窗口。其中 8B 参数版在 RTEB 基准上以 78.5% 得分斩获榜首，MMTEB 检索得分 75.5%。该系列以开放权重形式通过 Hugging Face 与 NVIDIA NIM 免费提供，支持商业使用。
MarkTechPost精选AI 评分7070 NVIDIA 发布 Nemotron 3 Embed 系列，8B 版本在 RTEB 基准上排名第一
NVIDIA 发布 Nemotron 3 Embed 系列，包含三个开源 checkpoint，其中 8B-BF16 版本在 RTEB 基准上以 78.46 的平均 NDCG@10 排名第一。1B-NVFP4 版本在 Blackwell 上吞吐量比 BF16 高 2 倍，精度保留 99.5%，所有模型最大序列长度 32,768 tokens。
推荐理由：嵌入模型不是最热的赛道，但决定了你 Agent 看到什么——NVIDIA 把 1B 模型压缩到 RTEB 第二，NVFP4 量化后精度几乎不变，做 RAG 的值得换上。
Mistral AI：News精选AI 评分6868 Mistral 发布 OCR 4 文档理解模型，新增边界框、块分类与置信度分数
Mistral 发布 OCR 4，在提取文本外返回边界框、类型化块分类和逐词置信度分数，支持 170 种语言，可单容器自托管部署。
推荐理由：官方发布了 OCR 4 的结构化输出能力、基准结果与定价，读者可据此评估其在 RAG 和文档处理流程中的适用性。
MarkTechPostAI 评分6262 Liquid AI 发布 LFM2.5-Embedding-350M 与 LFM2.5-ColBERT-350M 双向编码检索模型
Liquid AI 本周发布两款 350M 参数检索模型：稠密双编码器 LFM2.5-Embedding-350M 和后期交互模型 LFM2.5-ColBERT-350M。二者基于 LFM2.5-350M-Base，通过将因果注意力改为双向注意力实现双向编码，支持阿拉伯语、德语、英语等 11 种语言的单语与跨语言搜索。在 NanoBEIR 多语言检索上，ColBERT 版 NDCG@10 为 0.605，Embedding 版为 0.577，均优于 Qwen3-Embedding-0.6B。在 MKQA-11 问答 Recall@20 上分别为 0.694 和 0.691。上下文窗口 32,768 tokens，文档调优至 512 tokens。提供 GGUF 格式，MacBook Pro M4 Max 上查询延迟低于 10 ms。模型以 LFM Open License v1.0 发布在 Hugging Face。
Liquid AI 模型与工程博客AI 评分5555 Liquid AI 发布 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M 双向多语言检索模型
Liquid AI 发布两款 350M 参数多语言检索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，是 LFM 家族首批双向模型，支持 11 种语言的跨语言检索。
MarkTechPost精选AI 评分7373 Harness-1：基于强化学习训练的有状态搜索20B检索子智能体
UIUC与Chroma联合推出Harness-1，一个20B参数的检索子智能体。它通过强化学习在一个有状态搜索框架中训练，该框架维护候选池、重要性标注集、证据图和验证记录，由策略决定搜索、筛选、验证及停止的时机。Harness-1在8个基准测试上达到0.730平均curated recall，比下一个最佳开源子智能体高出11.4个百分点，仅落后于Opus-4.6。模型权重和框架代码均已公开。
推荐理由：UIUC和Chroma放出的这个20B检索子代理，用RL训练出了0.73的平均召回，把开源竞品甩开11.4分，只比Opus-4.6低一点。权重、Harness全开源，搞RAG的可以真刀真枪试试了。
Hugging Face 社区博客精选AI 评分6060 引入 Ettin Reranker 系列
Hugging Face 发布六个 Ettin Reranker 重排序模型（17m、32m、68m、150m、400m、1b），基于 Ettin ModernBERT 编码器，蒸馏 self-mxbai-rerank-large-v2 分数训练，在 MTEB(eng, v2) Retrieval 达各自规模 SOTA。模型以 Sentence Transformers CrossEncoder 接口提供，三行代码可调用。同时发布 train-sentence-transformers Agent Skill（v5.5.0），允许 AI 编码智能体在用户数据上微调模型。训练配方、数据集和脚本已全部开源。
推荐理由：从17M到1B的全尺寸reranker家族，每个量级都是SOTA，而且训练数据和代码全开放，做搜索和RAG的开发者可以无痛替换旧模型。
Hugging Face 社区博客精选AI 评分6060 IBM 发布 Granite Embedding Multilingual R2 开源多语言嵌入模型
IBM 发布两个 Apache 2.0 开源多语言嵌入模型：97M 参数的紧凑型（granite-embedding-97m-multilingual-r2）在 MTEB Multilingual Retrieval 上得 60.3 分，超越所有开放子 1 亿参数模型；311M 全尺寸模型（granite-embedding-311m-multilingual-r2）得 65.2 分，在 500M 以下开放模型中排第二，并支持 Matryoshka 维度。两者均基于 ModernBERT 架构，支持 200+ 种语言，针对 52 种语言和 9 种编程代码检索训练，上下文窗口达 32,768 tokens。可直接替换 sentence-transformers、LangChain、LlamaIndex 等框架中的默认模型，预置 ONNX 和 OpenVINO 权重以优化 CPU 推理。
推荐理由：97M小模型在跨语言检索上打败很多300M级选手，32K上下文让长文档处理不再鸡肋，Apache 2.0开源意味着做多语言RAG的可以直接拿来当默认嵌入模型了。
Cohere 产品与研究博客AI 评分5454 Cohere 发布 Rerank 4 重排序模型，含 Fast 与 Pro 双版本并引入 Self Learning
Cohere 发布 Rerank 4 重排序模型系列，称在整体搜索相关性上优于 MongoDB 的 Voyage 模型和 ElasticSearch 的 Jina rerankers。
Liquid AI 模型与工程博客精选AI 评分6161 Liquid AI 发布 Liquid Nanos 系列 350M–2.6B 端侧专用小模型
Liquid AI 发布 Liquid Nanos 系列，包含 350M 至 2.6B 参数的任务专用 LFM2 模型，可完全在手机、笔记本和嵌入式设备上运行。
推荐理由：原文给出各款小模型的参数量、任务定位和评测对比，读者可判断端侧专用模型能否替代云端大模型。
Hugging Face 社区博客精选AI 评分7272 Google 发布 EmbeddingGemma 高效多语言嵌入模型
Google 发布 EmbeddingGemma，一个面向端侧的多语言嵌入模型，参数量 308M，支持 2K 上下文窗口和 100 多种语言，量化后 RAM 占用低于 200 MB。
推荐理由：原文给出模型架构、MRL 截断维度和多框架用法，读者可以据此评估它在移动端 RAG 和检索场景的可行性。
Mistral AI：NewsAI 评分4646 Mistral 发布 Codestral Embed 代码嵌入模型
Mistral 发布首个专为代码打造的嵌入模型 Codestral Embed，在真实代码检索任务上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。