Fireworks AI ने Voyage Multimodal 3.5 की घोषणा की है। यह खोज पर केंद्रित एम्बेडिंग मॉडल टेक्स्ट और विज़ुअल सामग्री के मिले-जुले स्वरूप को संभालता है। यह स्क्रीनशॉट, PDF, टेबल, चित्र, स्लाइड और वीडियो फ्रेम के साथ काम करता है। मॉडल 32 000 टोकन तक सपोर्ट करता है; वीडियो के हर 1120 पिक्सल को एक टोकन गिना जाता है। Matryoshka embeddings की बदौलत उपयोगकर्ता 256 से 2048 तक एम्बेडिंग डाइमेंशन चुन सकते हैं। स्टोरेज लागत घटाने के लिए कई क्वांटाइज़ेशन फ़ॉर्मैट भी उपलब्ध हैं।
यह क्यों मायने रखता है
मिश्रित मीडिया वाले डेटासेट में खोज करने वाली टीमें Voyage Multimodal 3.5 से अलग-अलग इंडेक्स बनाए बिना प्रासंगिक टेक्स्ट या वीडियो क्लिप ढूँढ़ सकती हैं।
