Qu’est-ce que Marengo 3.5 ?
Marengo 3.5 est le modèle d'embedding multimodal de TwelveLabs, une entreprise spécialisée dans la compréhension de la vidéo, lancé le 31 août 2026. Il transforme vidéo, audio, images, texte et pages PDF visuelles en vecteurs dans un seul espace partagé, si bien qu'une requête texte ou image peut trouver le moment correspondant dans des heures de séquences. Marengo 3.0 reste le modèle derrière l'endpoint /search hébergé de TwelveLabs, qui ne prend pas en charge la 3.5.
Les vecteurs sont par défaut à 512 dimensions et peuvent être réduits à 256 ou 128 ; TwelveLabs indique que 256 conserve 98,3 % du score complet et 128 en conserve 94,6 %. Les requêtes peuvent mêler du texte à une image, une vidéo ou un clip audio, du texte horodaté comme des scripts ou des noms de joueurs peut être fusionné dans l'embedding du média, et un signal d'incertitude optionnel aide une application à décider quand reranker ou s'abstenir. La vidéo n'a pas de plafond de durée, contre quatre heures pour la 3.0, et la documentation liste 36 langues.
La facturation est passée des minutes de vidéo aux tokens facturés par modalité : au lancement 0,26 $ par million de tokens vidéo, 0,065 $ audio, 0,08 $ image, 0,162 $ document et 0,20 $ texte. Les offres de compte sont Free, Plus (29 $ par mois), Pro (99 $) et Enterprise, chacune avec un stockage et une allocation de charge mensuelle ; tous les comptes passent à cette structure d'offres le 4 janvier 2027.
Combien coûte Marengo 3.5 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Video | $0.26 per 1M tokens | |
| Audio | $0.065 per 1M tokens | |
| Image | $0.08 per 1M tokens | |
| Document | $0.162 per 1M tokens | |
| Text | $0.20 per 1M tokens |
API Embed au lancement, par 1M de tokens : vidéo 0,26 $, audio 0,065 $, image 0,08 $, document 0,162 $, texte 0,20 $. Offres : Free, Plus 29 $/mois, Pro 99 $/mois, Enterprise sur mesure.
Marengo 3.5 vaut-il le coup ?
Marengo 3.5 a sa place sur la liste restreinte chaque fois que le corpus est surtout de la vidéo, mais l'argument repose sur les propres tests de TwelveLabs. Il rapporte une moyenne de 70,57 sur cinq jeux de données de récupération texte-vers-vidéo, 6,29 points au-dessus de Marengo 3.0, et 67,38 sur un agrégat à huit groupes à 512 dimensions contre 62,35 pour Gemini Embedding 2 et 50,34 pour Amazon Nova Multimodal Embeddings à 3 072. Marengo n'a aucune entrée sur les tâches vidéo MTEB, donc personne d'indépendant n'a vérifié.
La taille des vecteurs est l'avantage pratique. Selon TwelveLabs, un vecteur à 128 dimensions obtient toujours 63,75 sur cet agrégat, au-dessus des deux rivaux à 24 fois la taille, et les bases de données vectorielles facturent à peu près proportionnellement aux dimensions. Une archive stockée à 128 plutôt qu'à 3 072 dimensions a besoin d'environ un vingt-quatrième de l'espace.
Le coût est plus difficile à prévoir qu'il ne devrait l'être. Les tarifs au token sont publiés, mais les pages que nous avons lues ne disent pas combien de tokens une seconde de vidéo ou d'audio produit, et les allocations d'offres ne sont décrites que comme Basic, Medium et High. Une vidéo avec son est facturée pour les deux pistes. Budgétiser une archive de 10 000 heures signifie donc embedder un échantillon et lire le rapport d'usage.
Deux pièges se trouvent dans la documentation. Les vecteurs de Marengo 3.5 ne peuvent pas être mélangés avec les vecteurs de la 3.0, si bien que la mise à niveau signifie tout ré-embedder, et l'endpoint /search hébergé tourne toujours sur la 3.0, si bien que les utilisateurs de la 3.5 apportent leur propre base de données vectorielle. Sur les données, la politique de confidentialité de TwelveLabs indique que les données des clients servent à améliorer ses services sans option de retrait, s'en remettant aux contrats clients là où elle agit comme sous-traitant, et ses pages de sécurité et de conformité ne nomment aucune certification. Qwen3-VL-Embedding, qui peut être auto-hébergé, contourne les deux questions au prix d'un réglage spécifique à la vidéo.
Là où il fait la différence
Un ingénieur recherche chez un diffuseur sportif avec une archive de matchs de 20 ans
Permettre aux producteurs de trouver une action précise en la décrivant
Embedder les matchs de façon asynchrone avec des scores horodatés et des noms de joueurs fusionnés, stocker des vecteurs à 128 ou 256 dimensions dans leur propre base de données et interroger avec du texte. Tout ce qui est embedé sur la 3.0 doit être refait, et la facture dépend d'un décompte de tokens par heure de vidéo que TwelveLabs ne publie pas.
Un responsable d'actifs média dans une agence de pub de 30 personnes
Trouver des plans réutilisables à travers les campagnes passées à partir d'une image de référence
Les requêtes composées combinent une image importée avec du texte comme « même angle, de nuit ». Pro à 99 $ par mois inclut 200 GB de stockage et un dépassement optionnel, ce qui convient à une bibliothèque de quelques centaines d'heures ; Plus à 29 $ arrête tout usage à ses limites.
Un responsable trust-and-safety sur une plateforme de partage de vidéos
Signaler les imports qui ressemblent de près à des clips interdits connus
Embedder les nouveaux imports, les comparer à un ensemble de référence et envoyer les correspondances limites à une personne à l'aide du signal d'incertitude. TwelveLabs indique que le signal n'est pas une probabilité d'exactitude, si bien que les seuils doivent être ajustés sur du trafic étiqueté avant qu'il ne pilote des suppressions.
Avant de vous engager
- Mise en route
- Créez un compte TwelveLabs, appelez l'endpoint Embed synchrone pour les requêtes et l'API de tâches asynchrone pour la vidéo, l'audio, les images et les PDF. La sortie est des vecteurs que vous stockez vous-même, puisque /search ne prend pas en charge la 3.5.
- Intégrations
- API REST et SDK de TwelveLabs. Entrées : vidéo dans tout format FFmpeg de 360x360 à 5184x2160, images JPEG ou PNG jusqu'à 32 MB, audio WAV, MP3 ou FLAC, PDF jusqu'à 512 MB. Sur Amazon Bedrock, la documentation d'intégration de TwelveLabs ne liste que les identifiants de modèle Marengo 3.0 et 2.7, donc la 3.5 n'est pas encore sur Bedrock.
- Données et confidentialité
- La politique de confidentialité de TwelveLabs (janvier 2026) indique que les données des clients et les sorties, y compris les embeddings, servent à améliorer ses services, sans option de retrait ; les contrats clients régissent les cas où elle agit comme sous-traitant. La conservation dure aussi longtemps que le compte est utilisé. Aucune certification n'est nommée sur ses pages de sécurité ou de conformité ; Enterprise ajoute le SSO/SAML.
- Coût à grande échelle
- Aux tarifs de lancement, un milliard de tokens vidéo coûtent 260 $ et l'audio correspondant 65 $, mais le décompte de tokens par heure de séquence n'est pas publié, si bien que les coûts d'archive ont besoin d'un essai. Les offres ajoutent du stockage : 50 GB sur Plus à 29 $ et 200 GB sur Pro à 99 $.
- Limites
- La vidéo doit faire au moins 4 secondes, sans limite supérieure ; les images au moins 128x128. Les PDF sont embedés page par page, les autres types de documents sont « bientôt disponibles ». Les limites de débit dépendent de la méthode d'import et ne sont pas sur la page du modèle. Les vecteurs de la 3.5 sont incompatibles avec la 3.0.
Les points forts
- Conçu pour trouver des moments dans la vidéo, pas seulement des images
- Vecteurs à 512 dimensions, jusqu'à 128 avec environ 5 % de perte
- Requêtes composées et fusion de métadonnées horodatées
- Pas de plafond de durée vidéo ; 36 langues
Les points faibles
- Tous les benchmarks sont ceux de TwelveLabs
- Tokens par seconde de vidéo non publiés
- Non pris en charge par le propre endpoint /search de TwelveLabs
- La politique de confidentialité laisse les données des clients améliorer ses services
Idéal pour
Les équipes qui construisent une recherche sur de grandes bibliothèques vidéo et veulent une API d'embedding gérée, spécialiste de la vidéo, et feront tourner leur propre magasin de vecteurs.
Alternatives à Marengo 3.5
Marengo 3.5 : questions fréquentes
- Marengo 3.5 vaut-il le coup ?
- Conçu sur mesure pour trouver des moments dans la vidéo, avec de petits vecteurs qui gardent le stockage bon marché, même si chaque chiffre derrière vient de TwelveLabs. Nous lui donnons 3.9 sur 5.
- Combien coûte Marengo 3.5 ?
- API Embed au lancement, par 1M de tokens : vidéo 0,26 $, audio 0,065 $, image 0,08 $, document 0,162 $, texte 0,20 $. Offres : Free, Plus 29 $/mois, Pro 99 $/mois, Enterprise sur mesure.
- Quels sont les inconvénients de Marengo 3.5 ?
- Tous les benchmarks sont ceux de TwelveLabs; tokens par seconde de vidéo non publiés; non pris en charge par le propre endpoint /search de TwelveLabs; la politique de confidentialité laisse les données des clients améliorer ses services.
- À qui s’adresse Marengo 3.5 ?
- Les équipes qui construisent une recherche sur de grandes bibliothèques vidéo et veulent une API d'embedding gérée, spécialiste de la vidéo, et feront tourner leur propre magasin de vecteurs.
- Combien coûte Marengo 3.5 pour une équipe ou en production ?
- Aux tarifs de lancement, un milliard de tokens vidéo coûtent 260 $ et l'audio correspondant 65 $, mais le décompte de tokens par heure de séquence n'est pas publié, si bien que les coûts d'archive ont besoin d'un essai. Les offres ajoutent du stockage : 50 GB sur Plus à 29 $ et 200 GB sur Pro à 99 $.
- Marengo 3.5 est-il sûr pour les données de l’entreprise ?
- La politique de confidentialité de TwelveLabs (janvier 2026) indique que les données des clients et les sorties, y compris les embeddings, servent à améliorer ses services, sans option de retrait ; les contrats clients régissent les cas où elle agit comme sous-traitant. La conservation dure aussi longtemps que le compte est utilisé. Aucune certification n'est nommée sur ses pages de sécurité ou de conformité ; Enterprise ajoute le SSO/SAML.
- Quelles sont les meilleures alternatives à Marengo 3.5 ?
- Les alternatives les plus proches que nous avons testées sont Gemini Embedding 2, Qwen3-VL-Embedding et Nemotron ColEmbed V2.
Réponses vérifiées le 26 oct. 2026.