Fireworks AI hat Voyage Multimodal 3.5 vorgestellt, ein auf Retrieval ausgelegtes Embedding-Modell, das Text und visuelle Inhalte in beliebiger Abfolge verarbeitet. Es unterstützt Screenshots, PDFs, Tabellen, Abbildungen, Folien und Videoframes. Das Modell verarbeitet bis zu 32 000 Token, wobei jeweils 1120 Pixel Video als ein Token zählen. Dank Matryoshka-Embeddings können Nutzer Embedding-Dimensionen von 256 bis 2048 wählen und aus mehreren Quantisierungsformaten auswählen, um Speicherplatz und Kosten zu sparen.
Warum es wichtig ist
Teams, die gemischte Mediendatensätze durchsuchen müssen, können mit Voyage Multimodal 3.5 relevante Texte oder Videoclips finden, ohne separate Indizes erstellen zu müssen.
