Cohere Rerank 5: Context Focus e punteggi calibrati per ridurre i token nella ricerca AI

Il 21 ottobre 2026 Cohere ha presentato Rerank 5, la nuova generazione del suo modello di reranking per la ricerca aziendale e per i sistemi RAG. Arriva in due versioni, Pro e Fast, e porta due novità che interessano da vicino chi costruisce assistenti e agenti: Context Focus, che restituisce solo i passaggi davvero utili di ogni documento, e punteggi di rilevanza calibrati, che si possono leggere come vere probabilità.

In sostanza, l’azienda canadese prova a rispondere a un problema molto concreto: i modelli linguistici ricevono troppo testo, spesso poco pertinente, e questo costa denaro e peggiora le risposte.

Cos’è un reranker e perché conta nella ricerca AI

Per capire la portata dell’annuncio serve ricordare come funziona un sistema di ricerca moderno. Una prima fase, fatta di ricerca per parole chiave, ricerca vettoriale o una combinazione delle due, recupera un insieme ampio di documenti potenzialmente rilevanti. Una seconda fase, il reranking, li riordina valutando con più attenzione quanto ciascuno risponda davvero alla domanda. Solo i primi risultati vengono poi passati al modello linguistico che genera la risposta.

Se hai già letto la nostra guida al RAG, hai presente questo schema. Il reranker è l’anello che decide cosa finisce nella finestra di contesto dell’LLM, e quindi quanto il sistema sarà preciso e quanto spenderà in token.

Un vantaggio pratico, ribadito da Cohere, è che il reranking si inserisce dopo la ricerca che hai già. Non serve rifare l’indicizzazione: il modello lavora sopra i risultati di un motore keyword, vettoriale o ibrido.

Context Focus: passare all’LLM solo i passaggi utili

La funzione più interessante di Rerank 5 si chiama Context Focus ed è opzionale. Oltre al punteggio di rilevanza del documento intero, il modello restituisce porzioni di testo con il loro punteggio. In questo modo puoi inviare al modello linguistico solo i brani che contano, invece di interi documenti pieni di rumore.

Il ragionamento è semplice: meno testo inutile significa meno token da pagare e meno distrazioni per il modello che deve rispondere.

I numeri dichiarati da Cohere

Nel post di lancio, Cohere sostiene che eliminando metà del testo recuperato la qualità delle risposte resta al 96%, mentre rimuovendone tre quarti si mantiene l’87%. L’azienda parla di una riduzione del contesto fino a 10 volte. Nei test con un agente di ricerca, con Context Focus impostato a una soglia di 0,4, l’agente avrebbe usato il 35% di token in meno rispetto alla sola ricerca BM25, raggiungendo un’accuratezza del 58% contro il 46%.

Sono dati riportati dal produttore, quindi vanno letti come tali e verificati sui tuoi dati. Mostrano comunque la direzione: spostare l’intelligenza dalla quantità di contesto alla sua qualità.

Punteggi calibrati: 0,7 significa 70% di probabilità

Il secondo cambiamento riguarda il significato dei punteggi. Finora molti reranker restituivano numeri utili per ordinare i risultati ma poco interpretabili: un 0,7 in un dominio poteva valere molto meno di un 0,7 in un altro. Con Rerank 5 Cohere dichiara punteggi calibrati, tanto che, come scrive l’azienda, un punteggio di 0,7 indica ormai circa il 70% di probabilità che il documento sia utile.

Per chi sviluppa è una differenza enorme. Una soglia unica diventa praticabile su domini diversi, e puoi decidere con criterio quando fermarti, quando chiedere altri documenti o quando far dire all’agente che non ha trovato nulla di affidabile. Come punto di partenza, Cohere suggerisce una soglia di 0,50 per Pro e di 0,45 per Fast.

Calibrare i punteggi significa trasformare un ordinamento in un segnale di decisione.

Pro e Fast: prestazioni, velocità e prezzi

Rerank 5 Pro punta sull’accuratezza. Secondo Cohere si è classificato primo su 39 dataset su 46 in una valutazione composita e ha ottenuto 82,2 sul benchmark BRIGHT, 5,8 punti sopra Rerank 3 di Voyage AI. Rerank 5 Fast, invece, sacrifica un poco di precisione per la velocità: elabora circa 187 documenti da 1.000 token al secondo su una GPU NVIDIA A100, circa 2,9 volte il throughput della versione Pro.

Il listino è molto aggressivo: 0,05 dollari per milione di token per Pro e 0,02 dollari per milione di token per Fast. Considerando che il reranker si paga su ogni richiesta di ricerca, la differenza tra le due versioni può pesare parecchio su applicazioni con grandi volumi di query.

Lingue e documenti PDF

Sul fronte multilingue, Cohere afferma che Pro è risultato primo in 14 lingue non inglesi su 19 nella sua suite interna, con attenzione particolare a spagnolo, francese, tedesco, arabo, giapponese e coreano. L’italiano non figura tra le sei lingue di business messe in evidenza nel post, quindi se lavori in italiano conviene fare una prova sui tuoi contenuti prima di decidere. Anche sui documenti PDF il modello avrebbe ottenuto una media di 89,9, contro 88,4 di Rerank 3 di Voyage.

Dove è disponibile e come si integra

Rerank 5 è disponibile in generale tramite l’API di Cohere, Model Vault, Microsoft Foundry e Amazon SageMaker, oltre che per tutti gli utenti di North, la piattaforma per agenti dell’azienda. Per installazioni in cloud privato virtuale o in locale bisogna contattare il team commerciale. Sono previste integrazioni con strumenti diffusi come LangChain, Haystack, Elasticsearch e Weaviate, quindi per molti team il passaggio da una versione precedente dovrebbe essere poco traumatico.

Il lancio si inserisce in un periodo di forte attività per l’azienda, di cui ti abbiamo raccontato anche l’investimento del Canada fino a 1,6 miliardi di dollari per l’AI sovrana. Cohere continua a posizionarsi sul segmento enterprise, dove contano precisione, controllo dei costi e possibilità di installare i modelli nella propria infrastruttura.

Perché interessa a chi fa SEO e contenuti

Anche se Rerank 5 nasce per la ricerca aziendale, il tema tocca da vicino chi lavora con i contenuti. I motori di risposta basati su AI recuperano molte fonti e ne selezionano pochi passaggi da citare. Una selezione a livello di brano, e non di pagina intera, premia i contenuti che rispondono in modo chiaro e autonomo a una domanda specifica, con paragrafi ben delimitati e informazioni verificabili.

È lo stesso principio che vedi applicato quando ottimizzi per i sistemi generativi: ne parliamo nella nostra sezione dedicata alla SEO con l’intelligenza artificiale. Scrivere passaggi che si possano estrarre senza perdere significato non è più un dettaglio stilistico, ma una condizione per essere scelti.

Cosa cambia concretamente e come provarlo

Per un team che gestisce un assistente interno o un agente di ricerca, Rerank 5 offre tre leve immediate: ridurre i token inviati al modello con Context Focus, usare una soglia di probabilità per decidere quando rispondere e scegliere tra Pro e Fast in base al compromesso tra qualità e latenza. Nessuna delle tre richiede di ricostruire l’infrastruttura di ricerca.

Il consiglio pratico è di non fidarti ciecamente delle cifre di lancio. Prepara un piccolo insieme di domande reali con le risposte attese, confronta il tuo reranker attuale con Rerank 5 Pro e Fast, misura accuratezza, token e tempi di risposta e solo dopo decidi. Se i risultati confermano quanto dichiarato da Cohere, il risparmio sui token può ripagare in fretta il cambio.

Conclusioni

Rerank 5 non è un modello che fa rumore sui social, ma è il tipo di aggiornamento che sposta davvero i costi e la qualità dei sistemi RAG e degli agenti. Il vero salto non sta solo nella precisione, ma nel passare da punteggi da interpretare a probabilità su cui basare decisioni, e da documenti interi a passaggi mirati.

Se sviluppi o gestisci un sistema di ricerca con l’AI, metti Rerank 5 nella tua lista di test di questo mese e confronta i risultati sui tuoi dati. Per leggere i dettagli di partenza, consulta l’annuncio ufficiale sul blog di Cohere e dicci nei commenti che cosa ne pensi.