Fireworks AI представила Voyage Multimodal 3.5 — модель эмбеддингов, ориентированную на поиск и умеющую обрабатывать чередующиеся фрагменты текста и визуального контента. Она работает со снимками экрана, PDF-файлами, таблицами, иллюстрациями, слайдами и кадрами видео. Модель поддерживает до 32 000 токенов: каждые 1120 пикселей видео считаются за один токен. Благодаря эмбеддингам Matryoshka пользователи могут выбирать размерность от 256 до 2048, а также использовать разные форматы квантования, чтобы сократить расходы на хранение.
Почему это важно
Команды, которым нужно искать по смешанным мультимедийным данным, могут использовать Voyage Multimodal 3.5, чтобы находить нужные тексты и фрагменты видео без создания отдельных индексов.
