MongoDB认为，改进数据检索，而非仅仅是更大的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）在生产环境中获得越来越多的关注，这家数据库供应商已经发现，检索质量是一个重要的瓶颈，即使底层AI模型非常强大，也会对准确性、成本效益和用户信心产生负面影响。

为了应对这一挑战，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应用中数据检索的准确性和效率。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应用进行了优化）以及voyage-4-nano（旨在用于本地开发、测试和设备端数据检索）。Voyage-4-nano标志着MongoDB首次涉足开放权重模型。

所有Voyage 4模型都可以通过API和MongoDB的Atlas平台访问。MongoDB表示，这些模型在检索质量方面优于同类模型。

对检索质量的强调突显了AI社区日益增长的共识，即AI系统的有效性不仅取决于模型本身的能力，还取决于它们高效访问和处理相关信息的能力。例如，RAG系统依赖于检索相关文档或数据片段来增强大型语言模型（LLM）的知识，然后再生成响应。如果检索组件较弱，LLM可能会被输入不准确或不完整的信息，从而导致次优结果。

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并采取适当的行动。这些系统中较差的检索质量可能导致错误、效率低下，甚至可能产生有害的结果。

MongoDB对嵌入和重排序模型的关注反映了一种优化整个AI流程的趋势，从数据摄取到模型部署。通过提高数据检索的准确性和效率，公司可以构建更值得信赖和有效的AI系统，从而交付切实的商业价值。通过API和Atlas平台提供这些模型简化了开发人员和希望增强其AI能力的企业的集成。该公司表示，这些模型优于同类模型。