22 мая Cohere объявила о привлечении $500 миллионов в раунде Series E при оценке $5,5 миллиарда и одновременно — о закрытии потребительских и developer-направлений продукта. Компания отказывается от прямых API-подписок для индивидуальных разработчиков и полностью переориентируется на enterprise-поиск и retrieval-augmented generation для крупных корпораций.
Это второй крупный разворот за три года. В 2023-м Cohere уходила от прямой конкуренции с OpenAI по chat-моделям и переориентировалась на embedding и retrieval. Нынешний пивот доводит ту логику до конца: компания избавляется от всего, что не является её реальным источником выручки — корпоративных контрактов с финансовыми компаниями, фармой и крупным ретейлом, часто многолетних и на десятки миллионов долларов.
Что такое RAG и почему за него платят корпорации
Retrieval-augmented generation — архитектурный подход, при котором языковая модель перед генерацией ответа обращается к внешнему хранилищу документов. Вместо того чтобы «вспоминать» из параметров модели, система ищет релевантные фрагменты в корпоративной базе знаний и подаёт их в контекст. Это решает две проблемы закрытых API одновременно: устаревание знаний (модель не знает о событиях после отсечки обучения) и галлюцинации на специализированном доменном материале.
Для крупной корпорации ставки высокие. Юридическая фирма с базой из миллиона документов, банк с внутренними регламентами на 50 языках, фармацевтическая компания с данными клинических исследований — всем им нужен поиск, который понимает семантику, а не только ключевые слова. Cohere специализируется именно на этом слое: не на generative-интерфейсе для конечного пользователя, а на инфраструктуре, которая делает этот интерфейс точным и надёжным.
Что ценят клиенты из FTSE 250
Главное преимущество по словам корпоративных клиентов — качество embeddings v3 на специализированных корпусах. На юридических и медицинских документах они опережают OpenAI text-embedding-3 и Voyage AI на внутренних бенчмарках компаний. Это объясняется архитектурным решением: Cohere тренировала embedding-модели с акцентом на retrieval-качество в узких доменах, тогда как OpenAI оптимизировала под более широкий спектр задач.
Второй плюс — полноценный on-premises-деплой с изоляцией данных. Для финансовых и фармацевтических клиентов с жёсткими compliance-требованиями это не опция, а обязательное условие контракта. Данные не покидают периметр клиента: модели развёртываются на собственной инфраструктуре или в выделенном облачном тенанте с гарантиями изоляции по контракту.
Третья черта — Forward Deployed Engineers. Cohere для крупных клиентов выделяет инженеров, которые работают как часть команды клиента: участвуют в дизайне системы, помогают с интеграцией, прорабатывают пограничные случаи. Это принципиально иная модель по сравнению со стандартной схемой тикет-ответ. Для сделок на $10–50 миллионов в год такая поддержка становится частью ценностного предложения, а не сервисным приложением к продукту.
Опасения, звучащие в разговорах с клиентами, сводятся к трём. Небольшая команда (около 350 человек) при широком продуктовом roadmap создаёт риск задержек. Сужение линейки означает, что клиенты вынуждены работать с двумя-тремя вендорами вместо одного. Долгосрочная финансовая устойчивость компании в горизонте 24–36 месяцев остаётся открытым вопросом: $500 миллионов дают буфер, но не закрывают его полностью.
Позиция на рынке
Cohere позиционирует себя как инфраструктурный слой для enterprise-RAG — своего рода AWS для корпоративного поиска. Прямые конкуренты здесь неоднородны: на уровне инфраструктуры поиска это Pinecone и Weaviate, на уровне корпоративных платформ — Azure AI Search и Google Vertex AI Search. Принципиальное отличие Cohere — вертикально интегрированный стек с собственными embedding-моделями, reranker-ом и RAG-движком под одним биллингом и единой поддержкой.
Pinecone и Weaviate решают только задачу хранения и поиска по векторам. Azure AI Search и Google Vertex Search привязывают клиента к экосистеме гиперскейлера. Cohere предлагает специализированный стек без такой привязки: можно развернуть в любом облаке или on-premises. Клиенту не нужно самостоятельно собирать цепочку из компонентов разных вендоров — embedding из одного места, векторная база из другого, reranker из третьего, оркестрация из четвёртого.
Это узкая, но защищаемая позиция. Конкурировать с Cohere напрямую сложно именно потому, что она одновременно продаёт модели и инфраструктуру — покупая у неё, клиент получает единый контракт, единый SLA и единого ответственного за качество всего стека.
Следующие месяцы
По данным Bloomberg, Cohere ведёт переговоры с тремя крупными финансовыми группами о многолетних контрактах на $50–100 миллионов каждый. Один закрытый контракт такого масштаба существенно изменит восприятие финансовой устойчивости компании — и инвесторами, и потенциальными клиентами, которые смотрят на стабильность вендора при подписании трёхлетнего соглашения.
Параллельно Cohere анонсировала следующее поколение embedding-моделей с поддержкой 64 языков и обновлённый reranker с приростом на cross-lingual-задачах. Технически это инкрементальные улучшения — но в сочетании с пивотом они сигнализируют об одном: компания перестаёт гнаться за охватом и оттачивает узкий набор возможностей до уровня, за который корпоративный клиент готов платить миллионы долларов ежегодно. Для рынка это понятнее, чем попытка конкурировать со всеми одновременно.