MongoDB认为，改进的数据检索，而不仅仅是更大的AI模型，对于构建值得信赖的企业AI系统至关重要。随着自主代理系统和检索增强生成（RAG）在生产环境中日益普及，这家数据库供应商发现检索质量是一个重要但经常被忽视的弱点。MongoDB认为，即使底层AI模型表现最佳，这种弱点也会对准确性、成本效益和用户信心产生负面影响。

为了解决这个问题，MongoDB最近推出了四个新版本的嵌入和重排序模型，统称为Voyage 4。这些模型旨在提高AI应用中数据检索的效率和精度。Voyage 4系列包括voyage-4 embedding（通用模型）、voyage-4-large（被认为是旗舰模型）、voyage-4-lite（针对低延迟和成本敏感型任务进行了优化）以及voyage-4-nano（旨在用于本地开发、测试和设备端数据检索）。值得注意的是，voyage-4-nano是MongoDB的第一个开放权重模型。

所有Voyage 4模型都可以通过API和MongoDB的Atlas平台访问。该公司声称，这些模型的性能优于市场上同类模型。

对检索质量的强调突显了AI社区日益增长的担忧。虽然大部分注意力都集中在开发更大、更复杂的AI模型上，但高效、准确地检索相关数据的能力往往是一个瓶颈。例如，RAG系统依赖于从知识库中检索信息来增强大型语言模型（LLM）生成的响应。如果检索过程存在缺陷，LLM可能会被输入不准确或不完整的信息，从而导致不良结果。

旨在自主执行任务的自主代理系统也依赖于可靠的数据检索来做出明智的决策。较差的检索质量可能导致代理做出错误的选择或无法有效地完成其目标。

MongoDB专注于嵌入和重排序模型，旨在提高检索过程的准确性和效率。嵌入模型将文本或其他数据转换为捕获语义含义的数值表示。然后，这些表示可以用于基于相似性快速识别相关数据。重排序模型通过优先考虑最相关的项目来进一步优化结果。

通过API和Atlas平台提供这些模型，使它们可以被广泛的开发人员和组织访问。voyage-4-nano的开放权重性质也允许更大的灵活性和定制性。

这一发展标志着AI行业内部的重点转变，认识到值得信赖的AI不仅需要强大的模型，还需要强大的数据检索机制。MongoDB的Voyage 4模型的成功可能会对企业AI的未来产生重大影响，从而可能导致更准确、更具成本效益和更可靠的AI应用程序。