MongoDB 认为，构建值得信赖的企业 AI 系统，关键在于改进数据检索，而不仅仅是更大的 AI 模型。随着自主代理系统和检索增强生成 (RAG) 进入生产环境，这家数据库供应商发现检索质量是一个重大弱点，即使底层 AI 模型表现最佳，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 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 应用程序中数据检索的效率和准确性。Voyage 4 系列包括 voyage-4 embedding（通用模型）、voyage-4-large（被认为是 MongoDB 的旗舰模型）、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 也是 MongoDB 的首个开放权重模型。

所有 Voyage 4 模型都可以通过 API 和 MongoDB 的 Atlas 平台访问。MongoDB 表示，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。虽然人们的注意力大多集中在大型语言模型 (LLM) 的能力上，但这些模型的有效性在很大程度上取决于它们接收到的数据的质量。例如，RAG 系统依赖于从数据库或知识库中检索相关信息来增强 LLM 的响应。如果检索过程存在缺陷，LLM 可能会生成不准确或不相关的输出，从而破坏整个系统的可靠性。

旨在自主执行任务的自主代理系统也依赖于准确的数据检索来做出明智的决策。较差的检索质量可能导致错误、效率低下以及对系统能力缺乏信任。

MongoDB 对嵌入和重排序模型的关注反映了一种提高数据检索精度和效率的策略。嵌入模型将数据转换为捕获语义关系的数值表示，从而实现更准确的相似性搜索。重排序模型通过优先考虑最相关的信息来进一步优化搜索结果。

不同 Voyage 4 模型的可用性满足了各种用例，从通用应用程序到需要低延迟或设备端处理的专门任务。开放权重模型 Voyage-4-nano 的发布也标志着对透明度和社区协作的承诺。

该开发凸显了在 AI 时代强大的数据基础设施的重要性。随着 AI 系统越来越融入企业工作流程，对可靠和高效的数据检索的需求只会继续增长。MongoDB 的最新产品旨在满足这一关键需求，并为开发更值得信赖和更有效的 AI 应用程序做出贡献。