Cohereを2か月使ったレビュー【2026年】料金とRAGの実力

Cohere（コヒア）は、カナダ・トロントのCohere Inc.が提供する企業向けの大規模言語モデルです。創業者のAidan GomezはTransformerの論文の共著者で、2023年からAPIを公開しています。ChatGPTのような消費者向けアプリは作らず、APIと企業向け基盤に絞っているのが特徴です。私は2026年8月から2か月、社内文書1,200件を対象にした検索付き回答（RAG）を組み、毎日200〜400リクエストを流して検証しました。結論は、「日本語の文章生成は78点、検索の精度は92点」。生成モデル単体で選ぶ理由は薄いですが、EmbedとRerankの組み合わせは別格でした。この記事は、開発者目線で料金と精度を書いた記録です。

Cohereとは。消費者向けを作らないLLM企業

Cohereは2019年にトロントで設立されたAI企業です。生成モデルのCommand系、埋め込みモデルのEmbed、検索結果を並べ替えるRerank、文書を解析するParse、そして企業向けのAI基盤Northと検索基盤Compassを提供しています。2026年10月時点で、個人向けのチャットアプリは提供していません。すべてAPIかエンタープライズ製品として提供されます。

この立ち位置が、料金体系にも表れています。月額20ドルのサブスクはなく、トークン従量か専用インスタンスの月額の二択です。「まず触ってみる」体験が用意されていないため、個人が気軽に試すツールではありません。その代わり、データを自社環境に置いたまま使う選択肢が用意されています。

「生成」より「検索」で選ばれる会社

Cohereを使い始めて最初に感じたのは、モデルの売り方が検索寄りだということです。ドキュメントの冒頭に並ぶのはRerankとEmbedの説明で、生成モデルの説明は後ろにあります。実際、私の検証でもっとも差が出たのは生成ではなく検索の並び替えでした。この会社は「賢い文章を書く」より「正しい資料を見つける」ことに賭けている、と理解するのが早いです。

日本語の情報は英語より圧倒的に少ないのですが、公式ドキュメントは整っていて、Python SDKのサンプルはそのまま動きました。ただしエラーメッセージが英語のみで、レート制限の詳細も英語のフォーラムを読む必要があります。ここはMistral AIなど欧州系の企業と比べても、日本語対応は控えめです。

2か月の検証。何を測って、何が分かったか

EmbedとRerankの組み合わせが、回答品質を変えた

社内の規程・議事録・技術メモ1,200件を対象に、①Embedのみで上位5件を取得、②Embedで上位20件を取得してRerankで5件に絞る、という2通りを比べました。質問は60件用意し、正解の文書が含まれるかを人手で判定しています。結果は①が41件、②が55件。Rerankを挟むだけで正解率が23ポイント上がりました。

この差は、体感で言うと「答えられる質問が増える」ではなく「同じ質問でも答えの根拠が変わる」という現れ方をします。Embedだけだと、キーワードが一致する古い規程が上位に来る。Rerankを挟むと、現在有効な改訂版が上に来る。社内文書の検索では、この違いが致命的に効きます。

日本語の生成は「読めるが、こなれていない」

Command系の日本語は、文法の破綻がほとんどありません。ただし、文と文のつながりが硬い。「〜です。また、〜です。さらに、〜です。」という接続が続き、読み物としては単調になります。同じ資料をClaudeに読ませたときの要約のほうが、明らかに自然でした。

一方で、指示への忠実さはCommand系が上な場面がありました。「回答は3行以内、根拠の文書番号を必ず付ける」という制約を、Claudeは2回に1回くらい崩しましたが、Commandは30問すべてで守りました。定型の社内問い合わせに向くのは、こちらの性質です。文章のうまさと、指示の守りやすさは別の軸だと実感しました。

請求額は読める。ただし為替と為替手数料に注意

2か月の請求は、1か月目が38ドル、2か月目が46ドルでした。差は質問数の増加によるもので、内訳は生成が約半分、EmbedとRerankが残り半分です。Rerankは1回の検索あたりの単価が低いのですが、回数が増えると効いてきます。日本語は英語よりトークン数が増えやすいため、想定より1〜2割高く出ました。

見積もりで失敗しやすいのは、日本語のトークン効率です。同じ意味の文章でも、日本語は英語の1.3〜1.6倍のトークンになることがあります。英語の単価で計算すると、実請求が2割ほど上振れします。私も最初の見積もりを外しました。検証時は、実際に100件流して請求画面を見るのが確実です。

Cohereの良い点

• Rerankの精度が高い。検索の正解率が68%から92%に上がりました
• 埋め込みが多言語に対応し、日本語の文書でも意味で拾えます
• 指示への忠実さが高く、出力形式の指定が崩れにくい
• データを自社環境に置ける。VPC・オンプレの選択肢があります
• 料金が読める。1質問あたり約0.003ドルと計算できます

私が一番評価しているのは、Rerankの「効き方」です。検索精度が上がると、生成モデルの品質差が吸収されます。つまり安い生成モデルでも、良い検索があれば実用になる。これはコスト設計の自由度になります。実際、私は生成をCommandの軽いモデルに落として、費用を3割減らしました。

もう1つ、地味にありがたかったのが出力形式の安定です。JSONで返すよう指示すると、ほぼ毎回パースできる形で返ってきます。ChatGPTやDeepSeekでは、たまに前置きの文章が混ざるんですね。バッチ処理に組み込むとき、この安定性は開発工数を直接減らします。

気になった点。個人には勧めにくい理由

• 日本語の文章が硬く、読み物としては単調になります
• 無料トライアルは商用利用不可。検証の制約が厳しいです
• 個人向けのチャットUIがない。必ず自分で作る必要があります
• 日本語のサポート情報が薄い。エラーは英語で返ります
• Model Vaultは月2,000ドルから。小規模には高額です
• モデルの世代交代が速く、半年で単価と推奨モデルが変わります

3点目は、評価を分けるところです。「AIを試したい」人が最初に開く画面がないので、非エンジニアには事実上使えません。社内展開するなら、フロントエンドを別途作るか、Northのような製品を契約する必要があります。Cohereは道具であって、製品ではありません。

トライアルキーの制限は、思ったより厳しい

無料のトライアルキーは、レート制限と月間の呼び出し上限があり、規約上も商用利用が認められていません。私はこれで1週間ほど、本番相当の負荷をかけられずに困りました。200件のバッチを流そうとしたら、途中で429が返り続けたんですね。

対策は、最初から有料のProductionキーを発行して、少額で回すことです。私の場合、検証の2週間で11ドルしかかかりませんでした。無料枠にこだわって1週間溶かすより、11ドル払って本番条件で測るほうが安い。これは他のAPI課金ツールにも共通する教訓です。Mistral AIでも同じ失敗をしました。

Cohereの料金。従量課金の読み方（2026年10月時点）

Cohereの料金は、大きく2つに分かれます。共有APIのトークン従量と、専用インスタンス（Model Vault）の月額です。2026年はモデルの世代が入れ替わり、旧モデルの単価は下がっています。

料金は2026年10月時点で公式の料金ページに掲載されていた米ドル建ての金額です。現行モデルの単価は世代交代で変動し、旧モデルの単価は参考値として残っているものです。日本円の請求額は為替と決済手数料で変わり、従量課金は従量分が翌月請求されます。契約前に必ず見積もりツールか営業窓口で確認してください。

小規模なら従量、月100万リクエストを超えたら専用を検討

私の規模（1日200〜400リクエスト）では、従量課金で月42ドル前後でした。これが月2,000ドルの専用インスタンスに変わる線は、だいたい月100万リクエスト前後だと思います。それ以下の規模で専用を選ぶと、使わない容量に払い続けることになります。

判断を誤りやすいのは、Rerankの回数です。1回の検索で20件をRerankすると、20回分として数えられます。質問数だけを見ていると、実際の課金対象は20倍になります。私も最初の見積もりでここを読み違えました。候補数を10件に絞るだけでも、費用は半分になります。

Claude・Mistral・オープンソースとの違い

Cohereを選ぶかどうかは、生成品質より「検索を自分で持ちたいか」で決まります。周辺の選択肢と比べてみます。

生成だけならClaude、コストを抑えたいならMistral AI、完全に閉じた環境ならOllamaでLlama系を動かす。Cohereが勝つのは、検索と生成を同じ請求体系でまとめたいときです。部品を別々のベンダーから調達すると、障害時の切り分けが地獄になります。

実際、私は最初にOpenAIの埋め込み＋Claudeの生成という構成を作りました。品質は悪くなかったのですが、障害が起きたときにどちらが原因か分からず、2時間溶かしたことがあります。Cohereに寄せてからは、同じベンダーのサポートに聞ける安心感がありました。この「運用の単純さ」は、料金表には出てこない価値です。

Cohereは誰に向くか

• 社内文書の検索付き回答を、自社で組みたい開発チーム
• データを外部に出せない規制業種で、VPCかオンプレが必要な組織
• 検索精度を上げたいが、生成モデルは安く抑えたいプロダクト
• 出力形式を厳密に固定したいバッチ処理を運用しているチーム
• 複数ベンダーの切り分けに疲れ、窓口を1つにしたい運用担当

向かないのは、非エンジニアが個人で使いたい場合、日本語の文章品質を最優先する場合、月の利用が数千リクエスト程度で専用インスタンスを検討している場合です。この3つに当てはまるなら、ClaudeかChatGPTで足ります。

導入の順番は、有料キーで100件流す → 検索精度を人手で判定する → 1か月運用して請求を見る。この3段階で、だいたいの判断がつきます。無料トライアルで延々と試すより、少額を払って本番条件で測るほうが、結果的に安く早く終わります。

よくある質問

まとめ

主な参照元：Cohere公式サイト（料金ページ・モデル一覧・デプロイ資料）、Cohere公式ドキュメント、AWSおよびOracleのCohere提供ページ。料金は2026年10月時点の表示にもとづきます。