MongoDB maakt met de algemene beschikbaarheid van de Voyage 4-embeddingfamilie en uitbreiding van het startupprogramma een nieuwe stap richting AI-ontwikkelaars. De integratie met de vorig jaar overgenomen Voyage AI moet het voor ontwikkelaars eenvoudiger maken om applicaties van prototype naar productie te brengen.
MongoDB positioneert zich steeds meer als fundament voor AI-stacks in plaats van alleen een database. “Klanten beschouwen MongoDB niet langer alleen als een database; ze herdefiniëren de database als fundament voor hun AI-stack”, zegt Benjamin Flast, director of product management bij MongoDB.
De embeddingmodellen zijn nu beschikbaar via API’s in de beheerde MongoDB Atlas-service en in de on-premises community edition. Embeddings zijn numerieke representaties van data die semantische betekenis vastleggen als vectoren. Daardoor kunnen systemen informatie vergelijken en ophalen op basis van betekenis in plaats van exacte zoekwoorden.
Vier modellen voor verschillende scenario’s
De Voyage 4-serie bestaat uit vier varianten met elk een eigen balans tussen nauwkeurigheid, latency en kosten. Het standaard Voyage-4-model is bedoeld voor algemeen gebruik. Voyage-4-large biedt de hoogste nauwkeurigheid voor ophalen van informatie. Voyage-4-lite richt zich op lagere latency en kosten. Tot slot is Voyage-4-nano een open-weights model voor lokale ontwikkeling en testen.
MongoDB zegt dat de modellen de nauwkeurigheid voor productie-AI-workloads verbeteren. Dat komt doordat data niet meer verplaatst of gedupliceerd hoeft te worden tussen gescheiden systemen. Voor ontwikkelaars betekent dit minder complexiteit en snellere implementatie.
Daarnaast kondigde het bedrijf de algemene beschikbaarheid aan van voyage-multimodal-3.5. Dit model breidt de ondersteuning voor text en afbeeldingen uit naar video. “Dit ontsluit unified retrieval over meerdere content types”, vertelt Franklin Sun, staff product manager. “Je hebt één embeddingmodel nodig in plaats van drie om verschillende datatypes te verwerken.”
Automatische embeddings en ontwikkeltools
In public preview introduceert MongoDB geautomatiseerde embeddingmogelijkheden voor MongoDB Community Vector Search. De functie genereert en bewaart automatisch embeddings wanneer data wordt ingevoegd, bijgewerkt of opgevraagd. Ontwikkelaars hoeven geen aparte embedding-pipelines of externe services meer te beheren.
De automatische embedding is vandaag beschikbaar voor MongoDB Community Edition en komt binnenkort naar Atlas. MongoDB geeft aan dat de functie integreert met drivers en AI-frameworks zoals LangChain en LangGraph. Atlas-gebruikers krijgen ook toegang tot embedding- en reranking-API’s die Voyage AI-modellen direct binnen het platform beschikbaar stellen.
Een AI-aangedreven assistent voor MongoDB Compass en Atlas Data Explorer is nu algemeen beschikbaar. De assistent biedt natuurlijke taalbegeleiding voor veelvoorkomende data-operaties zoals query-optimalisatie en troubleshooting.