O que é Marengo 3.5?
O Marengo 3.5 é o modelo de embeddings multimodal da TwelveLabs, uma empresa especializada em compreensão de vídeo, lançado em 31 de agosto de 2026. Ele transforma vídeo, áudio, imagens, texto e páginas visuais de PDF em vetores em um único espaço compartilhado, para que uma consulta em texto ou imagem encontre o momento correspondente dentro de horas de gravação. O Marengo 3.0 continua sendo o modelo por trás do endpoint hospedado /search da TwelveLabs, que não suporta o 3.5.
Os vetores têm 512 dimensões por padrão e podem ser reduzidos a 256 ou 128; a TwelveLabs diz que 256 mantém 98,3% da pontuação completa e 128 mantém 94,6%. As consultas podem misturar texto com uma imagem, um vídeo ou um clipe de áudio, textos com timestamp, como roteiros ou nomes de jogadores, podem ser fundidos ao embedding da mídia, e um sinal opcional de incerteza ajuda uma aplicação a decidir quando fazer rerank ou se abster. O vídeo não tem limite de duração, contra quatro horas no 3.0, e a documentação lista 36 idiomas.
A cobrança passou de minutos de vídeo para tokens cobrados por modalidade: no lançamento, $0,26 por milhão de tokens de vídeo, $0,065 de áudio, $0,08 de imagem, $0,162 de documento e $0,20 de texto. Os planos de conta são Free, Plus ($29 por mês), Pro ($99) e Enterprise, cada um com armazenamento e uma franquia mensal de uso; todas as contas passam para essa estrutura de planos em 4 de janeiro de 2027.
Quanto custa Marengo 3.5?
| Plano | Preço | O que inclui |
|---|---|---|
| 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 |
Embed API no lançamento, por 1M de tokens: vídeo $0,26, áudio $0,065, imagem $0,08, documento $0,162, texto $0,20. Planos: Free, Plus $29/mês, Pro $99/mês, Enterprise sob medida.
Marengo 3.5 vale a pena?
O Marengo 3.5 merece entrar na lista curta sempre que o acervo for principalmente vídeo, mas o argumento se apoia nos testes da própria TwelveLabs. Ela informa uma média de 70,57 em cinco datasets de busca de texto para vídeo, 6,29 pontos acima do Marengo 3.0, e 67,38 em um agregado de oito grupos com 512 dimensões, contra 62,35 do Gemini Embedding 2 e 50,34 do Amazon Nova Multimodal Embeddings com 3.072. O Marengo não aparece nas tarefas de vídeo do MTEB, então ninguém independente conferiu.
O tamanho dos vetores é a vantagem prática. Segundo a TwelveLabs, um vetor de 128 dimensões ainda marca 63,75 nesse agregado, acima dos dois rivais com 24 vezes o tamanho, e os bancos de dados vetoriais cobram mais ou menos em proporção às dimensões. Um acervo guardado com 128 dimensões em vez de 3.072 precisa de cerca de um vinte e quatro avos do espaço.
O custo é mais difícil de prever do que deveria. As tarifas por token são públicas, mas as páginas que lemos não dizem quantos tokens um segundo de vídeo ou de áudio produz, e as franquias dos planos são descritas apenas como Basic, Medium e High. Um vídeo com som é cobrado pelas duas faixas. Orçar um acervo de 10.000 horas, portanto, significa gerar embeddings de uma amostra e ler o relatório de uso.
Há duas armadilhas na documentação. Os vetores do Marengo 3.5 não podem ser misturados com os do 3.0, então atualizar significa refazer todos os embeddings, e o endpoint hospedado /search ainda roda no 3.0, então quem usa o 3.5 precisa do seu próprio banco vetorial. Quanto aos dados, a política de privacidade da TwelveLabs diz que os dados dos clientes são usados para melhorar seus serviços, sem opt-out, e remete aos contratos dos clientes quando ela atua como operadora; suas páginas de segurança e compliance não citam nenhuma certificação. O Qwen3-VL-Embedding, que pode ser hospedado por conta própria, evita as duas questões, ao custo do ajuste específico para vídeo.
Onde ele se destaca
Um engenheiro de busca em uma emissora esportiva com um arquivo de 20 anos de partidas
Permitir que produtores encontrem um lance específico descrevendo-o
Gere embeddings das partidas de forma assíncrona, com placares e nomes de jogadores com timestamp fundidos, guarde vetores de 128 ou 256 dimensões no próprio banco e consulte com texto. Tudo o que foi gerado no 3.0 precisa ser refeito, e a conta depende de uma contagem de tokens por hora de vídeo que a TwelveLabs não publica.
Um gestor de acervo de mídia em uma agência de publicidade de 30 pessoas
Encontrar tomadas reaproveitáveis de campanhas antigas a partir de um frame de referência
Consultas compostas combinam uma imagem enviada com um texto como 'mesmo ângulo, à noite'. O Pro, a $99 por mês, inclui 200 GB de armazenamento e excedente opcional, o que serve para uma biblioteca de algumas centenas de horas; o Plus, a $29, interrompe todo o uso ao atingir os limites.
Um líder de trust and safety em uma plataforma de compartilhamento de vídeos
Sinalizar uploads muito parecidos com clipes proibidos já conhecidos
Gere embeddings dos novos uploads, compare-os com um conjunto de referência e encaminhe os casos limítrofes a uma pessoa usando o sinal de incerteza. A TwelveLabs diz que o sinal não é uma probabilidade de acerto, então os limiares precisam ser ajustados com tráfego rotulado antes de comandar remoções.
Antes de decidir
- Configuração
- Crie uma conta na TwelveLabs, chame o endpoint síncrono Embed para consultas e a API assíncrona de tasks para vídeo, áudio, imagens e PDFs. A saída são vetores que você mesmo guarda, já que o /search não suporta o 3.5.
- Integrações
- API REST e SDKs da TwelveLabs. Entradas: vídeo em qualquer formato do FFmpeg de 360x360 a 5184x2160, imagens JPEG ou PNG de até 32 MB, áudio WAV, MP3 ou FLAC, PDFs de até 512 MB. No Amazon Bedrock, a documentação de integração da TwelveLabs lista só os IDs dos modelos Marengo 3.0 e 2.7, então o 3.5 ainda não está no Bedrock.
- Dados e privacidade
- A política de privacidade da TwelveLabs (janeiro de 2026) diz que os dados e as saídas dos clientes, incluindo embeddings, são usados para melhorar seus serviços, sem opt-out; os contratos dos clientes valem onde ela atua como operadora. A retenção dura enquanto a conta for usada. Nenhuma certificação é citada nas páginas de segurança ou compliance; o Enterprise acrescenta SSO/SAML.
- Custo em escala
- Nas tarifas de lançamento, um bilhão de tokens de vídeo custa $260 e o áudio correspondente $65, mas a contagem de tokens por hora de gravação não é publicada, então o custo de um acervo exige uma execução de teste. Os planos acrescentam armazenamento: 50 GB no Plus a $29 e 200 GB no Pro a $99.
- Limites
- O vídeo precisa ter pelo menos 4 segundos, sem limite máximo; imagens com pelo menos 128x128. PDFs viram embeddings página por página; outros tipos de documento estão 'em breve'. Os limites de taxa dependem do método de upload e não estão na página do modelo. Os vetores do 3.5 são incompatíveis com os do 3.0.
O que é bom
- Feito para encontrar momentos em vídeo, não só frames
- Vetores de 512 dimensões, reduzíveis a 128 com cerca de 5% de perda
- Consultas compostas e fusão de metadados com timestamp
- Sem limite de duração de vídeo; 36 idiomas
O que não é
- Todos os benchmarks são da própria TwelveLabs
- Tokens por segundo de vídeo não publicados
- Não suportado pelo próprio endpoint /search da TwelveLabs
- A política de privacidade permite usar dados dos clientes para melhorar os serviços
Ideal para
Equipes que constroem busca sobre grandes bibliotecas de vídeo, querem uma API de embeddings gerenciada e especializada em vídeo e vão manter o próprio banco vetorial.
Alternativas ao Marengo 3.5
Marengo 3.5: perguntas frequentes
- Marengo 3.5 vale a pena?
- Feito sob medida para encontrar momentos em vídeo, com vetores pequenos que mantêm o armazenamento barato, embora todos os números por trás dele venham da TwelveLabs. Damos nota 3.9 de 5.
- Quanto custa Marengo 3.5?
- Embed API no lançamento, por 1M de tokens: vídeo $0,26, áudio $0,065, imagem $0,08, documento $0,162, texto $0,20. Planos: Free, Plus $29/mês, Pro $99/mês, Enterprise sob medida.
- Quais são as desvantagens de Marengo 3.5?
- Todos os benchmarks são da própria TwelveLabs; tokens por segundo de vídeo não publicados; não suportado pelo próprio endpoint /search da TwelveLabs; a política de privacidade permite usar dados dos clientes para melhorar os serviços.
- Para quem Marengo 3.5 é indicado?
- Equipes que constroem busca sobre grandes bibliotecas de vídeo, querem uma API de embeddings gerenciada e especializada em vídeo e vão manter o próprio banco vetorial.
- Quanto custa Marengo 3.5 para uma equipe ou em produção?
- Nas tarifas de lançamento, um bilhão de tokens de vídeo custa $260 e o áudio correspondente $65, mas a contagem de tokens por hora de gravação não é publicada, então o custo de um acervo exige uma execução de teste. Os planos acrescentam armazenamento: 50 GB no Plus a $29 e 200 GB no Pro a $99.
- Marengo 3.5 é seguro para dados da empresa?
- A política de privacidade da TwelveLabs (janeiro de 2026) diz que os dados e as saídas dos clientes, incluindo embeddings, são usados para melhorar seus serviços, sem opt-out; os contratos dos clientes valem onde ela atua como operadora. A retenção dura enquanto a conta for usada. Nenhuma certificação é citada nas páginas de segurança ou compliance; o Enterprise acrescenta SSO/SAML.
- Quais são as melhores alternativas ao Marengo 3.5?
- As alternativas mais próximas que analisamos são Gemini Embedding 2, Qwen3-VL-Embedding e Nemotron ColEmbed V2.
Respostas verificadas em 26 de out. de 2026.