Cohere lanzó Rerank 5 el 21 de octubre de 2026, con las variantes rerank-v5.0-pro y rerank-v5.0-fast. Recuperamos el anuncio el día 24. Su novedad más práctica es Context Focus: además de ordenar documentos por relevancia para una consulta, puede señalar pasajes concretos para seleccionar qué texto se envía después a un modelo generador.
Reordenar no es generar una respuesta
Las notas oficiales del lanzamiento presentan Pro para consultas complejas y Fast para cargas que priorizan latencia y volumen. Son orientaciones del proveedor; no hemos medido qué variante conviene a una aplicación concreta ni usamos sus afirmaciones de superioridad como un resultado de Puntoes.
La actualización cambia el modelo que procesa los textos en el momento de consultar. Según Cohere, no obliga a reindexar ni volver a calcular los embeddings del corpus. Esto no elimina la necesidad de evaluar la selección final. El antecedente sobre búsqueda híbrida y reranking explica dónde encaja esa segunda ordenación.
Qué devuelve Context Focus
La ficha del modelo describe modelos propietarios de texto, con una ventana de 32.768 tokens para consulta y documento combinados. No es una entrada de imágenes ni una instrucción libre para redefinir cómo se juzga la relevancia.
Context Focus está desactivado por defecto. Se activa mediante relevant_spans y devuelve posiciones de caracteres de los pasajes y sus puntuaciones. El umbral elimina fragmentos por debajo de ese valor y max_spans limita cuántos se devuelven por documento. Si ninguno supera el umbral, el campo de pasajes se omite para ese resultado.
La ficha sitúa Context Focus en la API de Cohere. La familia Rerank 5 también figura disponible en Model Vault, Microsoft Foundry y Amazon SageMaker, entre otras vías; no trasladamos automáticamente a todas ellas cada función de la API. Los despliegues privados requieren consultar al proveedor.
Dos límites que pueden cambiar el resultado
La referencia de la API fija max_tokens_per_doc en 4.096 por defecto y advierte que los documentos largos se truncan a ese valor. Que el modelo admita una ventana mayor no significa que cada petición utilice toda esa capacidad. También recomienda no superar mil documentos por petición para obtener un rendimiento óptimo.
Por otra parte, la ficha advierte que Context Focus encaja mejor con consultas dirigidas. Un resumen amplio puede necesitar el documento completo; las tablas, formularios y el código se separan con menos facilidad que la prosa. Relevancia y suficiencia para contestar son comprobaciones distintas.
Un ejemplo para evaluar el recorte
Ejemplo hipotético, no ejecutado: un asistente busca si un contrato permite cancelar una reserva. Un pasaje puede mencionar la cancelación y dejar fuera una excepción situada en otro apartado. Antes de usar solo los fragmentos seleccionados, nuestro criterio sería comprobar con consultas propias si se mantienen condiciones, excepciones y referencias necesarias para responder.
Reducir texto puede ahorrar tokens en la generación, pero no demuestra un ahorro total: hay que considerar la llamada de reordenación, los documentos procesados y la evaluación del resultado. No hemos ejecutado llamadas de pago ni un benchmark. Tampoco recomendamos un umbral universal ni interpretamos una puntuación como probabilidad de que la respuesta sea cierta.