Fireworks AI har presenterat Voyage Multimodal 3.5, en inbäddningsmodell med fokus på informationssökning som hanterar text och visuellt innehåll i kombination. Den fungerar med skärmbilder, PDF-filer, tabeller, diagram, presentationer och videobildrutor. Modellen stöder upp till 32 000 token, där varje 1120 pixlar video räknas som en token. Tack vare Matryoshka-inbäddningar kan användare välja inbäddningsdimensioner från 256 till 2048 och välja mellan flera kvantiseringsformat för att minska lagringskostnaderna.
Varför det spelar roll
Team som behöver söka i datauppsättningar med blandade medier kan använda Voyage Multimodal 3.5 för att hitta relevant text eller videoklipp utan att behöva skapa separata index.
