InfoQ
·
MongoDB在Atlas上推出Embedding和Reranking API
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。
延伸解读
简化AI检索系统的构建
MongoDB的新Embedding和Reranking API旨在简化AI检索系统的构建，开发者可以在一个集成环境中直接访问Voyage AI的搜索模型。这种整合减少了不同数据库和检索模型之间的操作复杂性，使得构建语义搜索和AI助手变得更加高效。
多维度嵌入模型的灵活性
Voyage 4系列模型支持256到2048维度的嵌入，开发者可以根据具体需求在准确性、成本和速度之间进行平衡。这种灵活性使得不同应用场景下的AI系统能够更好地满足性能要求，尤其是在处理多模态数据时。
API的预览阶段与社区反馈
目前，Embedding和Reranking API处于预览阶段，开发者可以通过GitHub上的Python notebook获取“Voyage AI快速入门”教程。社区对这一新功能的反馈将对后续版本的优化和完善起到重要作用，值得关注。
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。
