Lançamento de fevereiro do Zilliz Cloud Pipelines - Modelos de incorporação de terceiros e melhorias de usabilidade!
Estamos entusiasmados em revelar uma atualização significativa para o Zilliz Cloud Pipelines, repleta de recursos empolgantes para capacitar suas aplicações RAG com recuperação flexível e de alta qualidade e zero sobrecarga de DevOps.
Nossa versão de fevereiro se concentrou em duas áreas principais: modelos de embedding e facilidade de uso.
Novos Modelos de Embedding da OpenAI e Voyage AI
Com a adição de modelos de embedding de terceiros da OpenAI e da Voyage AI, o Zilliz Cloud Pipelines agora oferece a opção flexível de 6 modelos de embedding (5 modelos em inglês e 1 modelo em chinês)! Seja seu foco o equilíbrio entre custo de armazenamento, qualidade de recuperação ou latência, há uma escolha adequada para você:
- Equilibrando qualidade e sobrecarga:
openai/text-embedding-3-smalltem qualidade competitiva com um modelo altamente eficiente que produz vetores de menor dimensão. Ele tem a menor sobrecarga de inferência e armazenamento. - Procurando o melhor desempenho para uma tarefa específica:
voyageai/voyage-code-2tem qualidade de recuperação excepcional em texto intensivo em código, incluindo código-fonte e documentação técnica. - Sensível à latência de rede na ingestão e no atendimento de consultas: Escolha
zilliz/bge-base-en-v1.5, um excelente modelo de uso geral colocalizado com o banco de dados vetorial no mesmo ambiente de rede, alcançando a melhor latência de ingestão e consulta de ponta a ponta.
| Modelo de Embedding | Descrição |
|---|---|
| zilliz/bge-base-en-v1.5 | Lançado pela BAAI, este modelo open-source de última geração é hospedado no Zilliz Cloud e colocalizado com bancos de dados vetoriais, oferecendo boa qualidade e a melhor latência de rede. Este é o modelo de embedding padrão quando language é ENGLISH. |
| voyageai/voyage-2 | Hospedado pela Voyage AI. Este modelo de uso geral se destaca na recuperação de documentação técnica contendo texto descritivo e código. Sua versão mais leve voyage-lite-02-instruct ocupa o topo no ranking MTEB. Este modelo está disponível apenas quando language é ENGLISH. |
| voyageai/voyage-code-2 | Hospedado pela Voyage AI. Este modelo é otimizado para código de programação, proporcionando qualidade excepcional para recuperar blocos de código. Este modelo está disponível apenas quando language é ENGLISH. |
| openai/text-embedding-3-small | Hospedado pela OpenAI. Este modelo de embedding altamente eficiente tem desempenho superior ao de seu predecessor text-embedding-ada-002 e equilibra custo de inferência e qualidade. Este modelo está disponível apenas quando language é ENGLISH. |
| openai/text-embedding-3-large | Hospedado pela OpenAI. Este é o modelo de melhor desempenho da OpenAI. Em comparação com text-embedding-ada-002, a pontuação MTEB aumentou de 61,0% para 64,6%. Este modelo está disponível apenas quando language é ENGLISH. |
| zilliz/bge-base-zh-v1.5 | Lançado pela BAAI, este modelo open-source de última geração é hospedado no Zilliz Cloud e colocalizado com bancos de dados vetoriais, oferecendo boa qualidade e a melhor latência de rede. Este é o modelo de embedding padrão quando language é CHINESE. |
Usabilidade Aprimorada para uma Melhor Experiência de Integração
Como uma solução completa para recuperação, nosso objetivo é oferecer a melhor experiência para desenvolvedores no Zilliz Cloud Pipelines tanto nas fases de desenvolvimento quanto de onboarding. Esta versão adicionou a nova página "Run Pipeline" e o recurso de upload de arquivo local. Também adicionamos suporte para todos os clusters dedicados de bancos de dados vetoriais na região GCP us-west-2, portanto o recurso de pipelines não está mais restrito ao Serverless free plan.
Nova UX para Executar Pipeline
Ao testar seus pipelines recém-criados, entendemos a vontade de experimentá-los com apenas alguns cliques. Testar o recurso de pipelines agora está mais acessível com a página "Run Pipeline" recém-projetada. Organizamos todos os seus pipelines por coleção no painel esquerdo. Você pode selecionar um pipeline no painel esquerdo e fazer um teste para ingerir um documento ou fazer uma consulta de pesquisa. O tipo de pipeline é indicado na UI para que você possa diferenciá-los rapidamente.
Upload de Arquivo Local
Embora seja conveniente e seguro em produção ingerir documentos a partir de object stores, muitos desenvolvedores preferem fazer upload de arquivos locais durante o desenvolvimento por conveniência. Nesta versão, oferecemos suporte a uploads de arquivos locais além de S3 e GCS. Você pode ingerir diretamente o arquivo local clicando no botão "Attach File" na UI "Run Pipeline".
Suporte a Clusters Dedicados de Bancos de Dados Vetoriais
Desde o lançamento do Zilliz Cloud Pipelines, recebemos feedback de usuários para estender o serviço a mais tipos de clusters de bancos de dados vetoriais. Nesta versão, temos o prazer de remover a restrição. O Zilliz Cloud Pipelines agora pode funcionar com qualquer tipo de cluster de banco de dados vetorial na região GCP us-west-2, incluindo Serverless e Dedicated. Expandiremos o serviço para mais clouds e regiões nas próximas versões, incluindo AWS, Azure e Alicloud.
Com o suporte a clusters dedicados, você pode desfrutar de desempenho e confiabilidade aprimorados na pesquisa vetorial, enquanto se beneficia do conveniente serviço completo de recuperação — Zilliz Cloud Pipelines.
Comece a Usar o Zilliz Cloud Pipelines Hoje
Isso conclui nossa versão de fevereiro do Zilliz Cloud Pipelines: mais modelos de embedding para escolher, uma experiência de usuário melhor, upload de arquivo local e suporte a clusters dedicados.
Pronto para experimentar o poder do Zilliz Cloud Pipelines por conta própria? Cadastre-se gratuitamente hoje e experimente uma solução de recuperação simplificada com qualidade, flexibilidade e sem sobrecarga de DevOps. Você também pode usar o Zilliz Cloud Pipelines com frameworks populares de RAG como LlamaIndex. Junte-se aos muitos desenvolvedores que usam o Zilliz Cloud Pipelines para libertar sua inovação da manutenção de infraestrutura e de DevOps.
Continue lendo
Build Multimodal Search for 3D Assets with Tripo and Zilliz Cloud
Generate 3D assets with Tripo, then search them by text, image, and metadata with multimodal embeddings and Zilliz Cloud.
From Vector Database to Vector Lakebase
Zilliz offers a fully managed Vector Lakebase powered by Milvus, unifying real-time vector search, lake-scale discovery, and Al data operations.
Demystifying the Milvus Sizing Tool
Explore how to use the Sizing Tool to select the optimal configuration for your Milvus deployment.