Cohere erweitert KI-Suchmodell um Bildverarbeitung und Text in einer Datenbank
Kurz & Knapp
- Cohere erweitert sein KI-Suchmodell Embed 3 um Bildverarbeitung, sodass Nutzer erstmals Bilder und Texte in einer gemeinsamen Datenbank durchsuchen können. Das System richtet sich primär an Unternehmen, die große Mengen an Bildmaterial verwalten müssen.
- Die neue Version akzeptiert Bilder in gängigen Formaten mit einer maximalen Größe von 5 Megabyte. Pro Anfrage kann allerdings nur ein einzelnes Bild verarbeitet werden, eine Stapelverarbeitung ist bislang nicht möglich. Die Integration erfolgt über die bestehende Embed-API.
- Der Vorstoß folgt einem branchenweiten Trend, da auch Google und OpenAI bereits multimodale Embedding-Modelle anbieten. Der Wettbewerb konzentriert sich nun darauf, welches System die von Unternehmen geforderte Geschwindigkeit, Genauigkeit und Sicherheit bieten kann.
Das KI-Unternehmen Cohere hat sein Suchmodell Embed 3 um Bildverarbeitung erweitert. Nach Angaben des Unternehmens können Nutzer damit erstmals Bilder und Texte in einer gemeinsamen Datenbank durchsuchen.
Die Technologie zielt primär auf Unternehmen ab, die große Mengen an Bildmaterial wie Produktkataloge, Designdateien und Berichte verwalten müssen. Das System arbeitet mit einem einheitlichen Speicherraum für Text und Bilder, wodurch separate Datenbanken für verschiedene Medientypen überflüssig werden sollen.
Bilder dürfen maximal 5 Megabyte groß sein
Die bestehenden Text-Embeddings können weiter verwendet werden, da sich die Textverarbeitung nicht geändert hat. Die neue Version akzeptiert Bilder in den Formaten PNG, JPEG, WebP und GIF mit einer maximalen Größe von 5 Megabyte.
Bei der technischen Umsetzung gibt es laut Dokumentation allerdings noch Einschränkungen: Pro Anfrage kann nur ein einzelnes Bild verarbeitet werden. Eine Stapelverarbeitung mehrerer Bilder ist bislang nicht möglich.
Die Integration erfolgt über die bestehende Embed-API von Cohere, die um neue Parameter für die Bildverarbeitung erweitert wurde. Entwickler müssen die Bilder als Base64-kodierte Daten-URL übermitteln.
Wettlauf um die beste multimodale Suche
Der Vorstoß in die Bildverarbeitung folgt einem branchenweiten Trend: Nachdem Verbraucher durch Plattformen wie Google und ChatGPT bereits an gemischte Text-Bild-Suchen gewöhnt sind, steigt auch in Unternehmen die Nachfrage nach solchen Funktionen.
Auch Google und OpenAI bieten bereits multimodale Embedding-Modelle an. Der Wettbewerb konzentriert sich nun darauf, welches System die von Unternehmen geforderte Geschwindigkeit, Genauigkeit und Sicherheit bieten kann.
Das multimodale Embed 3 ist in über 100 Sprachen verfügbar und kann sowohl über die Cohere-Plattform, Azure als auch über Amazon SageMaker genutzt werden.
Cohere wurde von einigen der Forschenden gegründet, die auch hinter dem Transformer-Modell stehen - der Grundlage vieler aktueller KI-Systeme. Das Unternehmen aktualisierte erst im September seine Schnittstellen, um Kunden den Wechsel von konkurrierenden Modellen zu erleichtern. Im Juli schloss das US-Start-up eine Finanzierungsrunde über 500 Millionen US-Dollar ab.
KI-News ohne Hype
Von Menschen kuratiert.
- Mehr als 20 Prozent Launch-Rabatt.
- Lesen ohne Ablenkung – keine Google-Werbebanner.
- Zugang zum Kommentarsystem und Austausch mit der Community.
- Wöchentlicher KI-Newsletter.
- 6× jährlich: „KI Radar“ – Deep-Dives zu den wichtigsten KI-Themen.
- Bis zu 25 % Rabatt auf KI Pro Online-Events.
- Zugang zum kompletten Archiv der letzten zehn Jahre.
- Die neuesten KI‑Infos von The Decoder – klar und auf den Punkt.