Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуCohere Blog→ оригинал

Cohere научила Compass находить нужную минуту в видео: топ-10 выдачи точнее на 4,4 пункта

Записи созвонов лежат мёртвым грузом: чтобы найти, когда решили перенести релиз, надо мотать час видео. Cohere научила поиск Compass понимать речь и экран и отдавать нужную минуту с таймкодом. На 11 наборах данных он обошёл семь моделей-конкурентов: нужные клипы в топ-10 выдачи стоят выше на 4,4 пункта (метрика nDCG@10). Для RAG и агентов видео теперь ищется как документы.

AI-обработка оригинала Cohere Blog; редакция Hamidun News
Cohere научила Compass находить нужную минуту в видео: топ-10 выдачи точнее на 4,4 пункта
Источник: Cohere Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникCohere Blog ↗
Главный редактор
Ключевой факт #1Границы клипа считаются в момент запроса, а не нарезаются заранее
Права доступа учтенысотрудник видит только разрешённое
Ключевой факт #3Cohere набирает дизайн-партнёров; цены и сроки не названы

Представьте: нужно выяснить, когда команда договорилась перенести релиз на третий квартал. Документ найдётся за секунды, а вот запись созвона придётся мотать час. Поэтому архивы встреч, лекций и вебинаров почти никто не пересматривает. Cohere решает эту проблему в корпоративном поиске Compass: новая функция Video Intelligence возвращает не всю запись, а ту самую минуту, где прозвучал ответ, с таймкодом, расшифровкой речи и описанием картинки. В заголовке «топ-10 выдачи точнее на 4,4 пункта» значит следующее. Cohere измеряла метрику nDCG@10: она показывает, насколько высоко в первой десятке результатов стоят действительно подходящие моменты. В среднем Compass оказался на 4,4 пункта выше сильнейшей из семи альтернативных моделей.

Что именно умеет Compass

Главная идея: искать не файлы, а моменты. Вместо часовой записи система отдаёт короткий отрезок, который отвечает на вопрос.

Одной расшифровки для этого мало. Докладчик может говорить, что показатели растут, а на слайде график идёт вниз. Один кадр с футболистом, уходящим с поля, не скажет, что его удалили: это видно только по последовательности событий. Compass учитывает слова, картинку и то, как события развиваются во времени.

Есть и техническая деталь. Многие системы заранее режут видео на куски фиксированной длины. Тогда клип может начаться на две минуты раньше нужного или оборваться до ответа, и человеку всё равно приходится перематывать. В Compass начало и конец отрезка вычисляются в момент запроса под конкретный вопрос.

Видео наравне с документами

Видео не живёт в отдельном хранилище. Один запрос возвращает и фрагмент записи, и подходящие страницы, слайды и таблицы из связанных документов. Всё это идёт из единого индекса, который учитывает права доступа: сотрудник увидит только то, к чему у него есть допуск.

Для разработчиков здесь два практичных момента:

  • видео можно подключить к существующему RAG-конвейеру и агентным сценариям, не строя отдельную систему;
  • агента можно подключить через MCP-сервер Compass, и он сможет рассуждать о том, что показано на экране: слайдах, графиках, демонстрациях, а не только о сказанном.

Каждый результат ведёт к исходной записи, поэтому ответ можно проверить. Для юристов и комплаенса это принципиально: нужно не доверять пересказу, а открыть минуту, где что-то было сказано. Cohere называет и другие сценарии: ассистенты по записям встреч, презентаций, созвонов по отчётности и брифингов аналитиков, поиск ответов в учебных библиотеках, поиск игроков, эпизодов и брендов в спортивных и медиаархивах.

Что показали замеры

Cohere сравнила Compass с семью моделями эмбеддингов для видео на 11 наборах данных и 11 133 запросах. В набор вошли шесть открытых бенчмарков, три корпоративных набора (встречи, лекции, обучение технике безопасности) и два набора с футбольными трансляциями. Лидер среди конкурентов меняется от области к области, но Compass в каждой впереди:

  • открытые бенчмарки: отрыв от Amazon Nova Multimodal Embeddings составил 2,4 пункта;
  • спорт: отрыв от Gemini Embedding 2 составил 5,1 пункта;
  • корпоративные знания: отрыв от Qwen3-VL-Embedding-8B составил 2,0 пункта.

Ограничения

Цифры получены самой Cohere, часть наборов внутренние, независимой проверки пока нет. Отрыв в 2–5 пунктов заметен, но это не пропасть. На своих данных результат может отличаться, особенно если записи шумные, а экран почти не несёт информации.

Продукт пока не в открытом доступе: компания набирает дизайн-партнёров. Они смогут проверить Compass на своих записях и запросах, развернуть его в управляемом облаке Cohere или в собственной среде и повлиять на дорожную карту. Цены и сроки общего запуска не названы.

Практический вывод: если в вашей компании лежат сотни часов записей, которые никто не пересматривает, самое полезное сейчас — собрать 50–100 реальных вопросов к ним. На таком наборе можно честно сравнить Compass и любые альтернативы, а не верить презентациям.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что именно умеет Compass?

Главная идея: искать не файлы, а моменты. Вместо часовой записи система отдаёт короткий отрезок, который отвечает на вопрос. Одной расшифровки для этого мало. Докладчик может говорить, что показатели растут, а на слайде график идёт вниз. Один кадр с футболистом, уходящим с поля, не скажет, что его удалили: это видно только по последовательности событий. Compass учитывает слова, картинку и то, как события развиваются во времени. Есть и техническая деталь.

Что известно по теме: видео наравне с документами?

Видео не живёт в отдельном хранилище. Один запрос возвращает и фрагмент записи, и подходящие страницы, слайды и таблицы из связанных документов. Всё это идёт из единого индекса, который учитывает права доступа: сотрудник увидит только то, к чему у него есть допуск.

Что известно по теме: что показали замеры?

Cohere сравнила Compass с семью моделями эмбеддингов для видео на 11 наборах данных и 11 133 запросах. В набор вошли шесть открытых бенчмарков, три корпоративных набора (встречи, лекции, обучение технике безопасности) и два набора с футбольными трансляциями.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…