Embed Multimodal v4, la nueva incorporación a la familia Embed, introduce embeddings multinivel Matryoshka, soporte nativo para entradas mixtas (texto e imagen) y una longitud de contexto de 128k;
La compañía presentó Embed Multimodal v4 como la última versión de su línea Embed orientada a clientes empresariales, describiéndolo como su modelo de búsqueda de mayor rendimiento hasta la fecha. Los detalles técnicos y la disponibilidad se publicaron en su changelog oficial.
Entre las novedades más relevantes figuran los Matryoshka Embeddings en dimensiones [256, 512, 1024, 1536]; embeddings unificados que se generan a partir de payloads mixtos (combinando texto e imágenes); y una longitud de contexto ampliada a 128k. Además, el equipo señala que Embed v4 alcanza resultados de estado del arte en recuperación texto‑texto, texto‑imagen y en escenarios multimodales, por ejemplo para extraer información de PDFs que combinan texto e imágenes.
El modelo está disponible desde hoy en la plataforma propia, así como en AWS SageMaker y en Azure IA Foundry. Cohere sitúa esta oferta dentro de su gama Embed, dirigida a casos empresariales que requieren búsqueda y recuperación multimodal a gran escala y con altos volúmenes de datos.
Por qué importa: las capacidades multinivel y el soporte nativo para entradas mixtas amplían las opciones para indexar y recuperar documentos complejos, mientras que el contexto de 128k facilita el manejo de contenidos extensos. Limitaciones: la comunicación proviene del changelog de la compañía y no incluye benchmarks detallados públicos más allá de las afirmaciones de estado del arte.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
