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.
