内容提要
MongoDB在Atlas上推出了Embedding和Reranking API，简化了AI检索系统的构建，支持多种数据库，适用于语义搜索和AI助手，提升操作效率。同时发布的Voyage 4系列模型增强了文本和地理分析功能，支持多种嵌入维度。
关键要点
-
MongoDB在Atlas上推出了Embedding和Reranking API，简化了AI检索系统的构建。
-
新API支持多种数据库，适用于语义搜索和AI助手，提升操作效率。
-
Embedding和Reranking API是数据库无关的，可以集成到任何技术栈或数据库中。
-
Voyage 4系列模型现已发布，包含四种不同的模型，支持相同嵌入空间的文本嵌入。
-
自动嵌入和Lexical Prefilters在社区版中提供预览，增强文本和地理分析功能。
-
嵌入模型支持256到2048维度的量化，帮助开发者平衡准确性、成本和速度。
-
MongoDB Atlas已支持内置向量搜索能力，新API带来更简单的构建生产AI系统的方式。
-
Embedding和Reranking API目前处于预览阶段，提供Python notebook的“Voyage AI快速入门”教程。
延伸问答
MongoDB的Embedding和Reranking API有什么功能？
Embedding和Reranking API简化了AI检索系统的构建，支持语义搜索和AI助手，提升操作效率。
Voyage 4系列模型有哪些特点？
Voyage 4系列模型包含四种不同的模型，支持相同嵌入空间的文本嵌入，允许使用不同模型进行查询和存储。
Embedding和Reranking API如何支持多种数据库？
该API是数据库无关的，可以集成到任何技术栈或数据库中，简化了构建AI检索系统的复杂性。
MongoDB Atlas的向量搜索能力有什么优势？
MongoDB Atlas支持内置向量搜索能力，结合新API提供更简单的构建生产AI系统的方式。
如何使用Voyage AI快速入门教程？
Voyage AI快速入门教程以Python notebook形式提供，用户可以在GitHub上找到。
Embedding模型的维度范围是什么？
Embedding模型支持256到2048维度的量化，帮助开发者平衡准确性、成本和速度。
