Source: https://ailoot.ai/models/es/voyageai-voyage-4/ Canonical: https://ailoot.ai/models/es/voyageai-voyage-4/ Language: es # VoyageAI by MongoDB: voyage-4 [Markdown](https://ailoot.ai/models/es/voyageai-voyage-4/index.md) · [JSON](https://ailoot.ai/models/es/voyageai-voyage-4/facts.json) ## [VoyageAI by MongoDB: voyage-4](https://ailoot.ai/models/es/voyageai-voyage-4/) voyage-4 genera embeddings de texto para recuperación de uso general y multilingüe, con un espacio vectorial compartido en la familia Voyage 4. Admite entradas de 32.000 tokens, salidas seleccionables de 256–2048 dimensiones y roles query/document para búsqueda y RAG. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `voyageai/voyage-4`](https://ailoot.ai/models/es/voyageai-voyage-4/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. voyage-4 es el modelo de embeddings de texto de tamaño intermedio de Voyage AI en la familia Voyage 4. Convierte el texto de consultas y documentos en vectores numéricos para recuperación de uso general y multilingüe. La capacidad que define la familia es un espacio compartido de embeddings: voyage-4, voyage-4-large, voyage-4-lite y voyage-4-nano producen representaciones compatibles, lo que permite que los lados de consulta y documento de una tarea de búsqueda utilicen modelos distintos de esa familia. #### Espacio compartido y recuperación asimétrica El fabricante denomina recuperación asimétrica al uso de modelos diferentes de consulta y corpus. Un patrón documentado consiste en preparar el corpus con voyage-4-large y buscar en él utilizando embeddings de consulta voyage-4. Los embeddings del corpus se generan una vez o cuando cambia su material de origen, mientras que los vectores de consulta se crean conforme llegan búsquedas. El espacio compartido permite cambiar la elección de modelo del lado de consulta dentro de la familia sin exigir generar otra vez los embeddings del corpus solo por ese cambio. Mantén compatibles la dimensión de salida y la representación de los vectores comparados. La declaración de espacio compartido se refiere a los modelos textuales Voyage 4 con esos nombres; no queda establecida simplemente porque dos modelos sin relación devuelvan arrays de igual longitud. Por tanto, una tarea práctica puede utilizar voyage-4 en ambos lados de la búsqueda o utilizar sus vectores de consulta con un índice documental voyage-4-large existente cuando coincidan sus ajustes de representación. #### Roles de consulta y documento Para recuperación, Voyage recomienda identificar el texto de entrada como consulta o documento. La opción de rol de entrada aporta la instrucción de recuperación correspondiente antes de vectorizar. Prepara los pasajes del corpus como documentos y la formulación de búsqueda del usuario como consulta, conservando el texto real de origen y los identificadores junto a cada vector almacenado. Por ejemplo, una colección de búsqueda de conocimiento puede indexar instrucciones técnicas y explicaciones de productos. Una consulta sobre lo que ocurre después de una importación fallida debe devolver el pasaje de origen que describe ese comportamiento. Conserva los encabezados, las condiciones pertinentes y la ubicación de origen junto al pasaje para que el resultado de búsqueda pueda examinarse o utilizarse en una etapa posterior de respuesta RAG. El embedding es la representación numérica de recuperación; el pasaje subyacente es la evidencia utilizada en esa etapa posterior. #### Dimensiones y tipos de datos de salida La ventana de contexto documentada por texto es de 32.000 tokens. Las dimensiones seleccionables son 256, 512, 1024 y 2048, con 1024 como valor predeterminado. El aprendizaje Matryoshka aporta estos tamaños anidados de representación. La salida puede utilizar coma flotante de 32 bits, enteros de 8 bits con o sin signo o valores binarios empaquetados, gracias a la preparación de la familia que tiene en cuenta la cuantización. Con salida binaria empaquetada, cada byte devuelto guarda ocho bits de embedding, por lo que la longitud de la lista de bytes es un octavo de la dimensión elegida. La cantidad de bytes y la dimensión del embedding tienen significados diferentes. Elige la representación que pueda interpretar tu índice de búsqueda y examina la relevancia de los candidatos para las preguntas e idiomas realmente utilizados por la colección antes de seleccionar una configuración comprimida. #### Longitud de entrada, lotes y truncamiento La guía actual de embeddings de texto del fabricante permite hasta 1000 cadenas y 320.000 tokens totales en una solicitud voyage-4. El límite de lote es independiente de la ventana de 32.000 tokens para cada entrada. El truncamiento está activado por defecto: el texto demasiado largo se acorta para que quepa. Si el truncamiento se desactiva, un elemento demasiado largo produce un error. Para un informe o transcripción largos, prepara deliberadamente pasajes que contengan respuestas, en lugar de depender de un corte en el límite de entrada. Mantén cada pasaje vinculado a su documento principal y versión de origen. Las entradas ordinarias de embeddings voyage-4 son textos individuales; el procesamiento contextualizado de grupos de fragmentos pertenece a los modelos documentados por separado de embeddings contextuales. #### Utiliza el resultado de recuperación Guarda los vectores junto con el texto de pasaje e identificadores estables de origen, compara cada vector de consulta con los vectores documentales compatibles y devuelve pasajes candidatos. La publicación de la familia evalúa recuperación entre material que incluye documentos técnicos, conversaciones, documentos largos, código, derecho, finanzas y texto web. Un reranker separado puede refinar candidatos y una etapa posterior de respuesta puede utilizar sus textos. Evalúa esos pasajes devueltos frente a la tarea; la compatibilidad de espacio compartido permite combinar los modelos, mientras que la utilidad de un resultado sigue dependiendo del material de origen y la pregunta. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `voyageai/voyage-4` [`voyageai/voyage-4`](https://ailoot.ai/models/es/#m=voyageai%2Fvoyage-4&route=Ultra&caller=voyageai%2Fvoyage-4&fmt=embeddings) VoyageAI by MongoDB /`voyageai/voyage-4` ### Primeros pasos voyage-4 genera embeddings de texto para recuperación de uso general y multilingüe, con un espacio vectorial compartido en la familia Voyage 4. Admite entradas de 32.000 tokens, salidas seleccionables de 256–2048 dimensiones y roles query/document para búsqueda y RAG. Entradas aceptadas Texto · token\_ids Resultados embedding ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` Tipos de entrada `text`, `token_ids` Tipos de salida `embedding` Contexto 32.000 tokens Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites voyageai/voyage-4 | Predeterminado— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 32.000 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un array de tokens | Predeterminado— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza | Predeterminado— | Combinaciones de materiales de entrada **text\_to\_embedding** Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input | | Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parámetro`encoding_format` | Contratofloat | | Parámetro`dimensions_override` | Contratofalse | | Parámetro`max_input_budget_units` | Contrato32000 | | Parámetro`multimodal_objects` | Contratofalse | | Parámetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Conserva todos los índices y dimensiones de los vectores. Que el modelo tenga un nombre multimodal no permite enviar objetos de imagen por esta ruta concreta. ### Planes Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Tarifa estándar Cuando se selecciona el modo rápido Modo flex Tarifa estándar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default) #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00012** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "voyageai/voyage-4", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='voyageai/voyage-4',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Recibir y guardar resultados #### Ailoot Ultra · Representaciones vectoriales json ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva cada vector con su índice. El número de vectores debe coincidir con el número de entradas; las dimensiones deben ser coherentes. ##### Si es necesario revisar la respuesta original No se introduce ningún endpoint de trabajos de embeddings. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. | ### Alias #### Alias del modelo **Ailoot Ultra** [`voyageai/voyage-4`](https://ailoot.ai/models/es/#m=voyageai%2Fvoyage-4&route=Ultra&caller=voyageai%2Fvoyage-4&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`voyageai/voyage-4`](https://ailoot.ai/models/es/#m=voyageai%2Fvoyage-4&route=Ultra&caller=voyageai%2Fvoyage-4&fmt=embeddings) FAQ · VoyageAI by MongoDB: voyage-4 ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `voyageai/voyage-4`: `text`, `token_ids` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `voyageai/voyage-4`: `model`, `input`, `encoding_format`, `provider` ¿Qué límites se aplican? `POST /v1/embeddings` · `voyageai/voyage-4`: `ctx`: `32000`; `input.budget.maximum`: `32000` (bytes UTF8); `input.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.