AWS Bedrock Knowledge Bases מוסיף את Marengo 3.0 לחיפוש וידאו ותמונות

Amazon הפכה את TwelveLabs Marengo Embed 3.0 לזמין באופן כללי ב-Bedrock Knowledge Bases, ואפשרה חיפוש סמנטי מנוהל-לחלוטין בשפה טבעית על פני תוכן וידאו, תמונה ואודיו. AWS פרסמה מדריך שמראה כיצד לבנות knowledge base ולהריץ שאילתות סמנטיות מול מדיה — והרחיבה את ה-RAG מעבר לטקסט אל תוכן המולטימודלי שרוב הארגונים באמת מאחסנים.

מבחינה מכניקנית, Marengo Embed 3.0 מייצר embeddings למדיה שמאפשרים למשתמשים לשאול 'מצא את הקטע שבו המנכ"ל מדבר על הכנסות Q3' בשפה טבעית, בלי תיוג ידני. מנוהל בתוך Bedrock Knowledge Bases, הוא מסיר את נטל התשתית של בניית pipelines לחיפוש מולטימודלי, ומטפל בייצור ה-embeddings, האחסון והאחזור כשירות.

מבחינה תחרותית, חיפוש מולטימודלי הוא צורך ארגוני שלא זכה למענה מספק — ארכיונים עצומים של וידאו ואודיו נותרים בלתי-ניתנים לחיפוש בפועל. על ידי שילוב מודלי ה-embedding הייעודיים של TwelveLabs לתוך ה-stack המנוהל של RAG ב-Bedrock, AWS מרחיבה את החפיר של ה-AI הארגוני שלה אל תוך ורטיקלים עתירי-מדיה כמו שידור, מדיה ובידור, אבטחה והדרכה. זה משלים את דחיפת ה-AI לשידור של NVIDIA ב-IBC באותו שבוע, ומאותת שהבנת מדיה היא קטגוריה חמה ב-2026.

עבור מפתחים, הערך הוא בהסרת מס האינטגרציה: במקום לתפור יחד מודלי embedding, vector stores ולוגיקת אחזור, הם מקבלים חיפוש מדיה סמנטי מנוהל דרך ה-APIs המוכרים של Bedrock. האזהרה היא תלות בספק — אינטגרציה עמוקה עם Bedrock Knowledge Bases כובלת workloads ל-AWS. שווה לעקוב אחר האימוץ בשימושי מדיה וידע ארגוני, ואם עננים מתחרים ישוו את יכולת ה-RAG המולטימודלי המנוהל.