한국어EN
임베딩·벡터 검색Voyage AI (MongoDB)Voyage AI

voyage-context-3 공개

voyage-context-3 공개 — 문서 전체를 한 번에 처리해 청크 임베딩에 전역 문맥을 주입. contextual retrieval 대비 20.54% 개선, binary/512가 float/3072보다 저장 비용 99.48% 절감(자사 측정)

왜 중요한가

청킹이라는 RAG의 근본 결함을 모델 내부로 흡수

출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요

공식 발표mongodb.comhttps://www.mongodb.com/company/blog/product-release-announcements/voyage-context-3-focused-chunk-level-details-global-document-context

2026년 35주차에 더한 기록이에요 · 그 주 보기

같은 주에 나온 조각

GEPA 발표논문A.X 3.1 오픈소스 공개공식 발표Qwen3-Coder 공개공식 발표Gemini Deep Think가 IMO 2025 금메달 기준 달성 (6문제 중 5문제, 35/42점)공식 발표

같은 축의 가까운 조각

Elasticsearch 9.1에서 384차원 이상 밀집 벡터에 BBQ 양자화를 기본값으로 채택, ACORN-1 필터링 도입공식 발표gemini-embedding-001 정식 출시(GA)공식 발표rerank-2.5 · rerank-2.5-lite 출시공식 발표jina-embeddings-v4(3.8B) 공개논문