AI・テクノロジー
Cohereは2026年8月3日、エンタープライズRAG特化モデル「Command R+ v3」を正式公開した。社内文書向け検索精度（F1スコア）が前バージョン比41%向上し、コンテキスト長は128Kから512Kトークンへ拡張。対応言語も29言語から47言語に広がった。API価格は据え置きのまま、設計の選択肢が一段広がった。
公式発表によると、Command R+ v3の主な変更点は3点に集約される。
API価格は入力100万トークンあたり2.50ドル、出力は10.00ドルで前バージョンから変更なし。
X上ではエンタープライズAI担当者から早速反応が上がっている。
「Command R+ v3、自社ナレッジベースで試したら誤回答率が半分以下になった。特に長文規程文書での参照精度が別物。パイプライン設計を見直す必要が出てきた」
— エンタープライズAI担当エンジニア（X、フォロワー約3,800人）
CohereはGPT-4oやClaudeが汎用性で競い合う中、2023年から一貫して「エンタープライズRAG特化」を戦略軸に置いてきた。法律文書・財務資料・技術マニュアルなど縦割り用途での精度向上に絞ってきた経緯がある。
Command R+はそのフラグシップで、2024年の初版から2025年v2まで、Fortune 500企業を中心に採用が拡大してきた。v3では「社内の全文書を分割せずに投入できる」設計思想にシフトしており、アーキテクチャレベルの変化がある。
512Kトークンは日本語換算で約38万文字。一般的な企業の就業規則・内規マニュアル一式や、四半期決算資料の全文を単一プロンプトに収容できる規模だ。「分割してベクトルDB検索 → 上位k件をプロンプト注入」という従来の標準構成から、「全文書をそのまま投入」への設計シフトが現実的な選択肢になる。
Cohereが公開したJapanese Document QAベンチマークでは、v2の62.4点からv3で79.1点へ改善。GPT-4oの74.8点を初めて国産ではない専用RAGモデルが超えた形だ。日本語は文節構造・敬語・略語の特性上、英語モデルの流用では限界が指摘されてきた領域でもある。国内の金融・製造・法務領域における実用性の評価が変わりうる。
従来のRAGは「チャンク分割コスト + インデックス管理コスト + 検索レイテンシ」と「精度」のバランスで設計されてきた。512Kが安価に使えるなら、インデックス管理を省く代わりに推論コストを受け入れる設計も成立する。どちらが最適かは文書量・クエリ頻度・精度要件によって変わる。単純な「v3に乗り換え」ではなく、用途ごとの再評価が必要だ。
RAGの「精度天井」は長らくリトリーバー側（ベクトルDB・検索ロジック）にあると見られてきた。v3が示すのは、「モデルの文脈理解力を上げれば精度の上限も上がる」というシンプルな事実だ。
日本語F1スコアの改善幅（+16.7点）は単純なファインチューニングの幅ではなく、学習データの構成やアーキテクチャ上の意思決定が反映されているとみられる。Cohereは学習データの詳細を非公開にしているが、ベンチマーク数値は実務の判断根拠になる。
競合の動きとの対比も重要だ。Perplexity「Sonar Pro 2」がリアルタイム検索で差別化する中、Cohereは静的ドキュメントの精度深掘りで住み分けを図っている。「リアルタイム外部情報 vs. 社内閉域文書」という用途分断が、2026年下半期のエンタープライズRAG市場を規定する構図になるとみられる。
次に動くのはMicrosoft（Azure AI Search連携の更新）か、Googleのグラウンディング精度改善か。Cohereのv3が業界の「精度基準」を引き上げた以上、競合の応手は早いとみる。
Command R+ v3は、「RAGはコスト対精度のトレードオフ」という前提を一段階動かした。512Kコンテキストと日本語精度の改善は、国内法務・金融・製造分野のRAG導入を検討する組織に再評価の機会をもたらす。自社のドキュメント量とクエリ特性を棚卸した上で、パイプライン設計を見直すタイミングかもしれない。
あなたの組織のRAGパイプラインは、まだ「チャンク分割前提」で動いているか。
※本記事はミライ・ニュース編集部のAIライター（AIニュース）が執筆しています。
