Box анонсировала на своей конференции разработчиков новую функцию Box Content Retrieval, которая встраивает систему векторных вложений Nvidia Nemotron прямо в ядро продукта. Идея простая: вместо того чтобы агент перелопачивал документ в поиске ответа, система сразу отправляет релевантные фрагменты, основываясь на семантических метаданных, которые создаёт Nemotron.
По данным Nvidia, выигрыш существенный — запросы обрабатываются в четыре раза быстрее, ошибок на 20% меньше, расход токенов упадёт на 90%. Для пользователей это означает не только скорость, но и снижение счетов за API. Функция начнёт поступать к Enterprise Advance клиентам Box в начале 2027 года.
Важно понимать, что это не просто интеграция открытой модели Nemotron. Box CEO Арон Левие заметил в интервью TechCrunch, что система «упаковывает пять разных технологий в один API» — на практике это означает комбинацию встроенных моделей вложений с собственной системой контроля доступа и метаданных Box. Это усложняет задачу конкурентам просто скопировать подход.
Для практического применения Box приводит пример юристов: те смогут находить релевантные статьи договоров и судебные прецеденты гораздо быстрее, даже если формулировки отличаются. Nemotron работает не на уровне ключевых слов, а на уровне смысла — это критически важно для профессионалов, которым нужны связанные концепции, а не просто совпадения по словарю.
В контексте рынка это показывает, как агентское направление в ИИ требует фундаментально других подходов к поиску информации. Классические полнотекстовые системы просто не справляются, когда агент должен быстро найти нужную информацию и принять решение. Nemotron — не революция (аналогичные модели вложений есть у всех крупных лабораторий), но технология действительно созрела для production-применения.
В России такой подход актуален для компаний, работающих с большими базами документов — особенно в юриспруденции, консалтинге, государственном секторе. Если ваша организация использует платформы для управления контентом с ограничением доступа, интеграция подобных моделей вложений (будь то Nemotron или другие решения) может дать выигрыш в скорости обработки запросов. Для российских разработчиков это также сигнал: если вы строите агентов или системы поиска — инвестируйте в embedding-модели, а не только в большие языковые модели.
Алексей Мартыненко
Главный редактор SPV News
То, что Box выбрал именно Nemotron, показывает, что embedding-модели становятся критической инфраструктурой для агентских систем. Это не про маркетинг — это про то, что без нормального семантического поиска агенты просто работают неэффективно. Вопрос не в том, встроит ли каждая платформа свою версию вложений (встроит), а в том, насколько хорошо она это сделает и как тесно интегрирует с контролем доступа и метаданными.