Fireworks AI anunció Voyage Multimodal 3.5, un modelo de embeddings orientado a la recuperación de información que procesa texto y contenido visual intercalados. Funciona con capturas de pantalla, archivos PDF, tablas, figuras, diapositivas y fotogramas de video. El modelo admite hasta 32 000 tokens; cada 1120 píxeles de video cuentan como un token. Gracias a los embeddings Matryoshka, los usuarios pueden elegir dimensiones de embedding de 256 a 2048 y seleccionar entre varios formatos de cuantización para reducir los costos de almacenamiento.
Por qué importa
Los equipos que necesitan buscar en conjuntos de datos con distintos tipos de contenido pueden usar Voyage Multimodal 3.5 para encontrar texto relevante o clips de video sin crear índices separados.
