A Fireworks AI anunciou o Voyage Multimodal 3.5, um modelo de embeddings voltado para recuperação de informações que processa texto e conteúdo visual intercalados. Ele funciona com capturas de tela, PDFs, tabelas, figuras, slides e quadros de vídeo. O modelo aceita até 32 000 tokens, considerando cada 1120 pixels de vídeo como um token. Graças aos embeddings Matryoshka, os usuários podem escolher dimensões de embedding entre 256 e 2048 e selecionar entre vários formatos de quantização para reduzir os custos de armazenamento.
Por que importa
Equipes que precisam pesquisar conjuntos de dados com diferentes tipos de mídia podem usar o Voyage Multimodal 3.5 para encontrar textos relevantes ou trechos de vídeo sem criar índices separados.
