Lanzamiento de febrero de Zilliz Cloud Pipelines: ¡modelos de incrustación de terceros y mejoras de usabilidad!
Nos complace presentar una actualización importante de Zilliz Cloud Pipelines, repleta de funciones emocionantes para potenciar tus aplicaciones RAG con recuperación flexible y de alta calidad, y sin sobrecarga de DevOps.
Nuestro lanzamiento de febrero se centró en dos áreas clave: modelos de embeddings y facilidad de uso.
Nuevos modelos de embeddings de OpenAI y Voyage AI
Con la incorporación de modelos de embeddings de terceros de OpenAI y Voyage AI, Zilliz Cloud Pipelines ahora ofrece la opción flexible de 6 modelos de embeddings (5 modelos en inglés y 1 modelo en chino). Ya sea que tu enfoque esté en el equilibrio entre el costo de almacenamiento, la calidad de la recuperación o la latencia, hay una opción adecuada para ti:
- Equilibrio entre calidad y sobrecarga:
openai/text-embedding-3-smallofrece una calidad competitiva con un modelo altamente eficiente que produce vectores de menor dimensión. Tiene la menor sobrecarga de inferencia y almacenamiento. - Buscas el mejor rendimiento para una tarea específica:
voyageai/voyage-code-2ofrece una calidad de recuperación sobresaliente en texto intensivo en código, incluido el código fuente y la documentación técnica. - Sensible a la latencia de red en la ingesta y el servicio de consultas: Elige
zilliz/bge-base-en-v1.5, un excelente modelo de propósito general ubicado junto con la base de datos vectorial en el mismo entorno de red, lo que logra la mejor latencia integral de ingesta y consulta.
| Modelo de embedding | Descripción |
|---|---|
| zilliz/bge-base-en-v1.5 | Lanzado por BAAI, este modelo de código abierto de última generación está alojado en Zilliz Cloud y ubicado junto con bases de datos vectoriales, proporcionando buena calidad y la mejor latencia de red. Este es el modelo de embedding predeterminado cuando language es ENGLISH. |
| voyageai/voyage-2 | Alojado por Voyage AI. Este modelo de propósito general destaca en la recuperación de documentación técnica que contiene texto descriptivo y código. Su versión más ligera, voyage-lite-02-instruct, ocupa los primeros puestos en la clasificación MTEB. Este modelo solo está disponible cuando language es ENGLISH. |
| voyageai/voyage-code-2 | Alojado por Voyage AI. Este modelo está optimizado para código de programación, proporcionando una calidad sobresaliente para recuperar bloques de código. Este modelo solo está disponible cuando language es ENGLISH. |
| openai/text-embedding-3-small | Alojado por OpenAI. Este modelo de embedding altamente eficiente tiene un rendimiento superior al de su predecesor text-embedding-ada-002 y equilibra el costo de inferencia y la calidad. Este modelo solo está disponible cuando language es ENGLISH. |
| openai/text-embedding-3-large | Alojado por OpenAI. Este es el modelo con mejor rendimiento de OpenAI. En comparación con text-embedding-ada-002, la puntuación MTEB ha aumentado del 61,0 % al 64,6 %. Este modelo solo está disponible cuando language es ENGLISH. |
| zilliz/bge-base-zh-v1.5 | Lanzado por BAAI, este modelo de código abierto de última generación está alojado en Zilliz Cloud y ubicado junto con bases de datos vectoriales, proporcionando buena calidad y la mejor latencia de red. Este es el modelo de embedding predeterminado cuando language es CHINESE. |
Usabilidad mejorada para una mejor experiencia de incorporación
Como solución integral para la recuperación, nuestro objetivo es ofrecer la mejor experiencia para desarrolladores en Zilliz Cloud Pipelines tanto en las fases de desarrollo como de incorporación. Esta versión añadió la nueva página "Run Pipeline" y la función de carga de archivos locales. También añadimos compatibilidad con todos los clústeres de bases de datos vectoriales dedicados en la región GCP us-west-2, por lo que la función de pipelines ya no está restringida al plan gratuito Serverless.
Nueva UX para ejecutar pipelines
Al probar tus pipelines recién creados, entendemos las ganas de probarlos con solo unos pocos clics. Probar la función de pipelines ahora es más accesible con la página "Run Pipeline" recién diseñada. Organizamos todos tus pipelines por colección en el panel izquierdo. Puedes seleccionar un pipeline desde el panel izquierdo y hacer una prueba para ingerir un documento o realizar una consulta de búsqueda. El tipo de pipeline se indica en la UI para que puedas distinguirlos rápidamente.
Carga de archivos locales
Aunque en producción es cómodo y seguro ingerir documentos desde almacenes de objetos, muchos desarrolladores prefieren cargar archivos locales durante el desarrollo por comodidad. En esta versión, admitimos la carga de archivos locales además de S3 y GCS. Puedes ingerir directamente el archivo local haciendo clic en el botón "Attach File" en la UI de "Run Pipeline".
Compatibilidad con clústeres de bases de datos vectoriales dedicados
Desde el lanzamiento de Zilliz Cloud Pipelines, hemos recibido comentarios de usuarios para ampliar el servicio a más tipos de clústeres de bases de datos vectoriales. En esta versión, nos complace eliminar la restricción. Zilliz Cloud Pipelines ahora puede funcionar con cualquier tipo de clúster de bases de datos vectoriales en la región GCP us-west-2, incluidos Serverless y Dedicated. Ampliaremos el servicio a más nubes y regiones en las próximas versiones, incluidas AWS, Azure y Alicloud.
Con la compatibilidad con clústeres dedicados, puedes disfrutar de un rendimiento y una fiabilidad mejorados en la búsqueda vectorial mientras te beneficias del cómodo servicio integral de recuperación: Zilliz Cloud Pipelines.
Comienza hoy con Zilliz Cloud Pipelines
Eso es todo para nuestra versión de febrero de Zilliz Cloud Pipelines: más modelos de embedding para elegir, una mejor experiencia de usuario, carga de archivos locales y compatibilidad con clústeres dedicados.
¿Listo para experimentar por ti mismo el poder de Zilliz Cloud Pipelines? Regístrate gratis hoy y prueba una solución de recuperación optimizada con calidad, flexibilidad y sin carga operativa de DevOps. También puedes usar Zilliz Cloud Pipelines con frameworks RAG populares como LlamaIndex. Únete a los muchos desarrolladores que usan Zilliz Cloud Pipelines para liberar su innovación del mantenimiento de infraestructura y DevOps.
Sigue leyendo
How to Build an Enterprise-Ready RAG Pipeline on AWS with Bedrock, Zilliz Cloud, and LangChain
Build production-ready enterprise RAG with AWS Bedrock, Nova models, Zilliz Cloud, and LangChain. Complete tutorial with deployable code.
Data Deduplication at Trillion Scale: How to Solve the Biggest Bottleneck of LLM Training
Explore how MinHash LSH and Milvus handle data deduplication at the trillion-scale level, solving key bottlenecks in LLM training for improved AI model performance.
Zilliz Named "Highest Performer" and "Easiest to Use" in G2's Summer 2025 Grid® Report for Vector Databases
Zilliz shines in G2's Summer 2025 Grid® Report as both "Highest Performer" and "Easiest to Use," solving the performance-usability dilemma.