MongoDB הודיעה על הרחבה ראשונה מסוגה בתעשייה של יכולות ה-AI שלה בכנס MongoDB.local בסן פרנסיסקו. ההרחבה מאחדת את מסד הנתונים המרכזי של MongoDB עם מודלי האמבדינג (Embedding) והרירנקינג (Reranking) המובילים בעולם של Voyage AI, כדי לספק שכבת אינטליגנציית נתונים מאוחדת ל-AI בפרודקשן.
באמצעות שילוב המודלים ישירות בתשתית הפלטפורמה של MongoDB, מפתחים יכולים כעת לבנות ולהפעיל יישומים מתקדמים בקנה מידה רחב, עם סיכון מופחת להזיות (Hallucinations), וללא צורך בהעברה או שכפול של נתונים.
כדי לתמוך במפתחים המעבירים יישומי AI לפרודקשן, MongoDB הציגה סט חדש של יכולות AI שנועדו לפשט את האופן שבו יישומים חכמים נבנים ומופעלים. החברה חשפה חמישה מודלי אמבדינג מ-Voyage AI, חבילת מודלי האמבדינג והשליפה של MongoDB, אמבדינג אוטומטי ל-MongoDB Community Vector Search, ממשקי API של מודלי אמבדינג ורירנקינג ב-Atlas, ועוזר תפעול נתונים מבוסס AI עבור MongoDB Compass ו-Atlas Data Explorer. יכולות אלו מחזקות את מעמדה של MongoDB כפלטפורמת הנתונים המובילה המוכנה ל-AI, הנסמכת על ידי יותר מ-60,000 לקוחות המריצים עומסי עבודה קריטיים. מודלי Voyage AI זמינים דרך MongoDB Atlas באמצעות API, משולבים ב-MongoDB Community באמצעות אמבדינג אוטומטי מנוהל, וממשיכים להיות זמינים גם כפלטפורמה עצמאית ונפרדת מ-MongoDB.
“האתגר הגדול ביותר של לקוחות עם AI אינו ניסויים – אלא הפעלה אמינה בקנה מידה גדול,” אמר פרד רומה, סגן נשיא בכיר למוצר והנדסה ב-MongoDB. “מפתחים רוצים פחות רכיבים נעים ונתיב ברור יותר מאבטיפוס לפרודקשן. עם ההשקות של היום, MongoDB מעלה את הרף, מסייעת לצוותים לצמצם מורכבות ולהתמקד בבניית יישומי AI שמתפקדים היטב בסביבות אמיתיות וקריטיות.”
הפיכת נתונים לאינטליגנציית AI
כאשר פרויקטים עוברים לפרודקשן, ארגונים רבים מגלים שמערכי הנתונים הקיימים שלהם מעולם לא תוכננו לתמוך בעומסי עבודה מודעי-קונטקסט ועתירי-שליפה בקנה מידה גדול. מפתחים נאלצים לנהל שילובים מפוצלים של מסדי נתונים תפעוליים, מאגרי וקטורים וממשקי API של מודלים – מצב שמוסיף מורכבות, השהיה (Latency) וסיכון תפעולי בדיוק ברגע שבו מהירות ואמינות הן הקריטיות ביותר. פיצול זה הפך לחסם מרכזי לחדשנות ב-AI, עם השפעה ממשית על הלקוחות.
MongoDB מתמודדת עם האתגר באמצעות איחוד היכולות המרכזיות הנדרשות לבנייה ולהרצה של יישומי AI בפרודקשן בתוך פלטפורמת נתונים אחת. במקום לחבר יחד מסד נתונים תפעולי, מאגר וקטורים ומספר צינורות עיבוד, צוותים יכולים לשמור נתונים תפעוליים ויכולות שליפה יחד, להפחית השהיות ועומסי סנכרון. התוצאה היא ארכיטקטורה פשוטה יותר, איטרציה מהירה יותר, ויישומי AI שנבנו לפעול באופן אמין בפרודקשן – ולא רק בהדגמות. היכולות החדשות כוללות:
-
דיוק מתקדם עם מודלים של Voyage AI: זמינות כללית של סדרת Voyage 4 החדשה, המספקת למפתחים מודלי אמבדינג בעלי ביצועים גבוהים – שעולים על Gemini ו-Cohere בלוח הדירוג הציבורי RTEB – לשליפה מדויקת יותר ובעלות נמוכה יותר. סדרת Voyage 4 כוללת את מודל האמבדינג הכללי voyage-4, שמאזן בין דיוק שליפה, עלות והשהיה; את מודל הדגל voyage-4-large לדיוק שליפה מרבי; את voyage-4-lite לאופטימיזציה של השהיה ועלות; ואת voyage-4-nano בקוד פתוח לפיתוח ובדיקות מקומיות או ליישומים על-גבי התקן.
-
חילוץ קונטקסט משופר מווידאו, תמונות וטקסט: זמינות כללית של המודל החדש voyage-multimodal-3.5, שמרחיב את התמיכה בטקסט ותמונות משולבים כך שתכלול גם וידאו. המודל voyage-multimodal-3 של Voyage AI היה מודל האמבדינג הראשון בדרגת פרודקשן שטיפל בטקסט ותמונות משולבים; גרסה 3.5 מקדמת גישה מאוחדת זו, ומווקטוריזת נתונים מולטימודליים בצורה יעילה יותר כדי ללכוד משמעות סמנטית מרכזית מטבלאות, גרפיקה, תרשימים, מצגות, קובצי PDF ועוד. כך נחסך מאמץ משמעותי הנדרש לפענוח מסמכים מורכב, שעלול לפגוע בדיוק השליפה ולהוביל ליישומים פחות אמינים.
-
אמבדינג אוטומטי ל-MongoDB Vector Search: יצירה ואחסון אוטומטיים של אמבדינגים באיכות גבוהה באמצעות Voyage AI בכל פעם שנתונים מוכנסים, מתעדכנים או נשלפים. על-ידי טיפול ביצירת האמבדינגים באופן טבעי בתוך מסד הנתונים, MongoDB מבטלת את הצורך בצינורות אמבדינג נפרדים או בשירותי מודלים חיצוניים. האמבדינגים נשארים מעודכנים עם שינויי הנתונים, מה ששומר על דיוק השליפה ועל קונטקסט אמין ביישומי AI. התוצאה היא ארכיטקטורה פשוטה יותר עם פחות רכיבים נעים, שמקלה על צוותים לבנות ולהפעיל יישומים מבוססי AI בפרודקשן. אמבדינג אוטומטי זמין בתצוגה מקדימה ציבורית עם תמיכה בדרייברים (כגון JavaScript, Python, Java ועוד) ובמסגרות AI כמו LangChain ו-LangGraph (Python). זמין כיום עבור MongoDB Community, ובקרוב גם ב-MongoDB Atlas.
“חיפשנו מודלי אמבדינג מדויקים במיוחד, ו-Voyage AI סיפקה דיוק בקנה מידה גדול,” אמר סודהיש נאיר, מייסד שותף ומנכ״ל TinyFish. “ממשקי ה-API של Python ש-Voyage מספקת הם גם קלי-משקל ומהירים מאוד.”
“כיום חברות צריכות לנוע מהר מאוד, ובסטארטאפים רזים צריך להתמקד רק במה שאתה בונה,” אמר רותם וייס, מנכ״ל Tavily. “MongoDB מאפשרת לנו להתמקד במה שחשוב באמת – הלקוחות והעסק שלנו.”
לראשונה, מפתחים יכולים לבנות ולהריץ יישומי AI עם נתונים תפעוליים, הבנה סמנטית ושליפה – הכול בתוך מערכת אחת. ממשק ה-Atlas Embedding and Reranking API של MongoDB חושף את מודלי Voyage AI באופן טבעי בתוך Atlas, ומאפשר לצוותים להשיק פיצ’רי AI עם תשתית אבטחה, ביצועים ואמינות ברמה ארגונית. עוזר חכם עבור MongoDB Compass ו-Atlas Data Explorer זמין כעת באופן כללי, ומספק סיוע מבוסס AI בשפה טבעית לפעולות נתונים יומיומיות, כגון אופטימיזציית שאילתות. בנוסף, MongoDB הציגה הסמכת מיומנויות AI חדשה כדי לסייע לצוותים להרחיב אסטרטגיות נתונים, לקצר זמן הגעה לשוק ולהפחית עלויות – הראשונה בסדרה רחבה יותר של הצעות מיומנויות AI המתוכננות לשנה זו.
המקור: חברת MongoDB בכתובת הזאת.