{
  "aboutHtml": "<p>voyage-4-large הוא מודל הטמעת הטקסט המוביל של Voyage AI במשפחת Voyage 4. הוא מייצג קטעי מקור ושאילתות כווקטורים מספריים לאחזור כללי ורב-לשוני. שני המאפיינים המייחדים אותו הם תכנון מודל המבוסס על תערובת מומחים ומרחב ההטמעה המשותף של voyage-4-large, voyage-4, voyage-4-lite ו-voyage-4-nano.</p><h4>מרחב משותף: בחירות נפרדות לקורפוס ולשאילתה</h4><p>היצרן מתאר אחזור א-סימטרי: אפשר להטמיע מסמכים באמצעות voyage-4-large, בעוד מודל אחר ממשפחת Voyage 4 מכין את וקטורי השאילתה. למשל, אפשר לחפש בקורפוס המיוצג באמצעות Large עם שאילתות voyage-4. כך שני צדדי החיפוש יכולים לבחור מודלים שונים ולהישאר במרחב התואם המתועד.</p><p>לכן אוסף מעשי יכול להשתמש ב-Large להכנת קטעי מסמכים יציבים ולבחור בנפרד את המודל בצד השאילתה. המסמכים מוטמעים בזמן יצירת הקורפוס או עדכונו, והשאילתות הופכות לווקטורים כשמשתמשים מחפשים. הודעת המשפחה מתארת שינוי מודל השאילתה בתוך המשפחה התואמת ללא יצירה מחדש של וקטורי קורפוס המסמכים רק בגלל השינוי הזה. שמרו וקטורים מושווים בממדים תואמים ובייצוגים שמערכת החיפוש יכולה לפרש יחד.</p><h4>תכנון הטמעה המבוסס על תערובת מומחים</h4><p>שכבת הזנה קדימה צפופה מעבדת כל טוקן באמצעות מערך הפרמטרים המלא שלה. גישת MoE המתוארת עבור voyage-4-large משתמשת בנתב וברשתות הזנה קדימה של מומחים, ובוחרת את המומחים שמעבדים כל טוקן. כך מופרדת קיבולת המודל הכוללת מהפרמטרים הפעילים לטוקן מסוים. Voyage מדווחת על יחס הפעלה של 1/10 בתכנון MoE של המודל, עם ניתוב top-k.</p><p>ההסבר הטכני של היצרן מתאר גם שתי בחירות בפיתוח. קיבולת המומחה משפיעה על השאלה אם טוקנים עודפים עוקפים שכבת מומחה דרך מסלול שיורי; הצוות בחר במקדם הקיבולת הגדול ביותר שניתן היה ליישם כדי להימנע מפגיעה באיכות האחזור. בשלב האימון האחרון, פרמטרי הנתב מוקפאים לפני מיזוג המודלים, כך שאינטרפולציה של מודלי המקור לא משנה את ניתוב בחירת המומחים שנלמד. אלה מאפייני הכנת המודל, הנפרדים מהגדרות אורך טקסט או חיתוך המשמשות להכנת קלט.</p><h4>ממדים וייצוג הפלט</h4><p>טבלת המודלים הרשמית מציינת חלון הקשר של 32,000 טוקנים והטמעות לבחירה ב-256, 512, 1024 ו-2048 ממדים, עם 1024 כברירת מחדל. המשפחה משתמשת בלמידת Matryoshka לגדלי ייצוג מקוננים ותומכת באפשרויות קוונטיזציה: נקודה צפה של 32 סיביות, מספרים שלמים עם או בלי סימן של 8 סיביות ופלט בינרי ארוז.</p><p>בפלט בינרי, אורך רשימת הבתים שמוחזרת הוא שמינית מהממד שנבחר, משום שכל בית מכיל שמונה סיביות הטמעה. שמרו את בחירות הממד וסוג הנתונים עם האינדקס והשתמשו בשיטת השוואה שתומכת בייצוג הזה. וקטור קטן יותר או דחוס משנה את הייצוג המשמש לחיפוש; העריכו את הקטעים הרלוונטיים שמוחזרים לשאלות בפועל לפני בחירתו לאוסף.</p><h4>הכינו קלטי מסמכים ושאילתות</h4><p>Voyage ממליצה להשתמש בתפקיד document לקטעי קורפוס ובתפקיד query לנוסח החיפוש. אפשרות התפקיד שלה מוסיפה את הוראת האחזור המתאימה לפני ההטמעה. שמרו את הכותרת השימושית, את התנאים ואת מיקום המקור של הקטע, ואז אחסנו את הווקטור שהוחזר עם הטקסט המקורי ומזהה יציב.</p><p>באוסף ידע טכני, שאלה על מצב כשל צריכה להוביל לקטע שמתאר את המצב ואת התנאים הרלוונטיים שלו. באוסף מסמכים המשתרע על שפות שונות, שמרו את שפת המקור והעריכו את השאלות ואת המונחים שבהם המשתמשים יחפשו. הגרסה מכסה חומרי אחזור הכוללים מסמכים טכניים, שיחות, מסמכים ארוכים, קוד, משפט, פיננסים וטקסט אינטרנט. ההטמעה מאתרת חומר מועמד; מודל דירוג מחדש או שלב תשובה מאוחר יותר משתמשים בטקסט המקורי.</p><h4>מגבלות הקשר, אצווה וחיתוך</h4><p>המדריך הנוכחי של היצרן מאפשר עד 1,000 מחרוזות ובסך הכול 120,000 טוקני קלט בבקשת voyage-4-large. הדבר שונה ממכסת האצווה המצוינת עבור voyage-4, ואילו לשניהם חלון של 32,000 טוקנים לכל טקסט. חיתוך ברירת המחדל מקצר קלט ארוך מדי כדי שייכנס; השבתת החיתוך מחזירה שגיאה עבור טקסט ארוך מדי.</p><p>בחרו במכוון את גבולות הקטעים הנושאים תשובה, כדי שמקור ארוך לא יאבד הסתייגות רלוונטית בזנב שנחתך. שמרו את השיוך למקור בעת החזרת תוצאות חיפוש ובדקו את טקסט המועמד בפועל, במקום להתייחס לקרבה בין וקטורים כאימות של תוכנו. התאימות במרחב המשותף חלה על משפחת הטקסט Voyage 4 המתועדת; עיבוד מקטעים עם הקשר, הטמעות תמונה/וידאו ומהדורות מודל מאוחרות יותר נשארים תהליכים ייחודיים לכל מודל.</p>",
  "aboutText": "voyage-4-large הוא מודל הטמעת הטקסט המוביל של Voyage AI במשפחת Voyage 4. הוא מייצג קטעי מקור ושאילתות כווקטורים מספריים לאחזור כללי ורב-לשוני. שני המאפיינים המייחדים אותו הם תכנון מודל המבוסס על תערובת מומחים ומרחב ההטמעה המשותף של voyage-4-large, voyage-4, voyage-4-lite ו-voyage-4-nano.\n\n### מרחב משותף: בחירות נפרדות לקורפוס ולשאילתה\n\nהיצרן מתאר אחזור א-סימטרי: אפשר להטמיע מסמכים באמצעות voyage-4-large, בעוד מודל אחר ממשפחת Voyage 4 מכין את וקטורי השאילתה. למשל, אפשר לחפש בקורפוס המיוצג באמצעות Large עם שאילתות voyage-4. כך שני צדדי החיפוש יכולים לבחור מודלים שונים ולהישאר במרחב התואם המתועד.\n\nלכן אוסף מעשי יכול להשתמש ב-Large להכנת קטעי מסמכים יציבים ולבחור בנפרד את המודל בצד השאילתה. המסמכים מוטמעים בזמן יצירת הקורפוס או עדכונו, והשאילתות הופכות לווקטורים כשמשתמשים מחפשים. הודעת המשפחה מתארת שינוי מודל השאילתה בתוך המשפחה התואמת ללא יצירה מחדש של וקטורי קורפוס המסמכים רק בגלל השינוי הזה. שמרו וקטורים מושווים בממדים תואמים ובייצוגים שמערכת החיפוש יכולה לפרש יחד.\n\n### תכנון הטמעה המבוסס על תערובת מומחים\n\nשכבת הזנה קדימה צפופה מעבדת כל טוקן באמצעות מערך הפרמטרים המלא שלה. גישת MoE המתוארת עבור voyage-4-large משתמשת בנתב וברשתות הזנה קדימה של מומחים, ובוחרת את המומחים שמעבדים כל טוקן. כך מופרדת קיבולת המודל הכוללת מהפרמטרים הפעילים לטוקן מסוים. Voyage מדווחת על יחס הפעלה של 1/10 בתכנון MoE של המודל, עם ניתוב top-k.\n\nההסבר הטכני של היצרן מתאר גם שתי בחירות בפיתוח. קיבולת המומחה משפיעה על השאלה אם טוקנים עודפים עוקפים שכבת מומחה דרך מסלול שיורי; הצוות בחר במקדם הקיבולת הגדול ביותר שניתן היה ליישם כדי להימנע מפגיעה באיכות האחזור. בשלב האימון האחרון, פרמטרי הנתב מוקפאים לפני מיזוג המודלים, כך שאינטרפולציה של מודלי המקור לא משנה את ניתוב בחירת המומחים שנלמד. אלה מאפייני הכנת המודל, הנפרדים מהגדרות אורך טקסט או חיתוך המשמשות להכנת קלט.\n\n### ממדים וייצוג הפלט\n\nטבלת המודלים הרשמית מציינת חלון הקשר של 32,000 טוקנים והטמעות לבחירה ב-256, 512, 1024 ו-2048 ממדים, עם 1024 כברירת מחדל. המשפחה משתמשת בלמידת Matryoshka לגדלי ייצוג מקוננים ותומכת באפשרויות קוונטיזציה: נקודה צפה של 32 סיביות, מספרים שלמים עם או בלי סימן של 8 סיביות ופלט בינרי ארוז.\n\nבפלט בינרי, אורך רשימת הבתים שמוחזרת הוא שמינית מהממד שנבחר, משום שכל בית מכיל שמונה סיביות הטמעה. שמרו את בחירות הממד וסוג הנתונים עם האינדקס והשתמשו בשיטת השוואה שתומכת בייצוג הזה. וקטור קטן יותר או דחוס משנה את הייצוג המשמש לחיפוש; העריכו את הקטעים הרלוונטיים שמוחזרים לשאלות בפועל לפני בחירתו לאוסף.\n\n### הכינו קלטי מסמכים ושאילתות\n\nVoyage ממליצה להשתמש בתפקיד document לקטעי קורפוס ובתפקיד query לנוסח החיפוש. אפשרות התפקיד שלה מוסיפה את הוראת האחזור המתאימה לפני ההטמעה. שמרו את הכותרת השימושית, את התנאים ואת מיקום המקור של הקטע, ואז אחסנו את הווקטור שהוחזר עם הטקסט המקורי ומזהה יציב.\n\nבאוסף ידע טכני, שאלה על מצב כשל צריכה להוביל לקטע שמתאר את המצב ואת התנאים הרלוונטיים שלו. באוסף מסמכים המשתרע על שפות שונות, שמרו את שפת המקור והעריכו את השאלות ואת המונחים שבהם המשתמשים יחפשו. הגרסה מכסה חומרי אחזור הכוללים מסמכים טכניים, שיחות, מסמכים ארוכים, קוד, משפט, פיננסים וטקסט אינטרנט. ההטמעה מאתרת חומר מועמד; מודל דירוג מחדש או שלב תשובה מאוחר יותר משתמשים בטקסט המקורי.\n\n### מגבלות הקשר, אצווה וחיתוך\n\nהמדריך הנוכחי של היצרן מאפשר עד 1,000 מחרוזות ובסך הכול 120,000 טוקני קלט בבקשת voyage-4-large. הדבר שונה ממכסת האצווה המצוינת עבור voyage-4, ואילו לשניהם חלון של 32,000 טוקנים לכל טקסט. חיתוך ברירת המחדל מקצר קלט ארוך מדי כדי שייכנס; השבתת החיתוך מחזירה שגיאה עבור טקסט ארוך מדי.\n\nבחרו במכוון את גבולות הקטעים הנושאים תשובה, כדי שמקור ארוך לא יאבד הסתייגות רלוונטית בזנב שנחתך. שמרו את השיוך למקור בעת החזרת תוצאות חיפוש ובדקו את טקסט המועמד בפועל, במקום להתייחס לקרבה בין וקטורים כאימות של תוכנו. התאימות במרחב המשותף חלה על משפחת הטקסט Voyage 4 המתועדת; עיבוד מקטעים עם הקשר, הטמעות תמונה/וידאו ומהדורות מודל מאוחרות יותר נשארים תהליכים ייחודיים לכל מודל.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "1c3952a7523a4f526d05dd1b24adab0623bc20002159ac47431e467c9c1523be",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "he",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">VoyageAI by MongoDB: voyage-4-large</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"סגירה\">×</button></div><div class=\"idline\"><span>VoyageAI by MongoDB /</span><code>voyageai/voyage-4-large</code><button type=\"button\" id=\"copy-id\">העתקת ID</button></div><nav class=\"card-jump-nav\" aria-label=\"חלקי כרטיס המודל\"><button type=\"button\" data-card-jump=\"overview\">התחלה</button><button type=\"button\" data-card-jump=\"methods\">קלט ושיטות</button><button type=\"button\" data-card-jump=\"pricing\">תעריפים</button><button type=\"button\" data-card-jump=\"examples\">דוגמאות</button><button type=\"button\" data-card-jump=\"results\">תוצאות</button><button type=\"button\" data-card-jump=\"aliases\">כינויים</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"שיטות API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|voyageai%2Fvoyage-4-large\">ייצוגים וקטוריים</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">התחלה</h3><p class=\"mdesc-full\">voyage-4-large הוא מודל הטמעת הטקסט של Voyage AI בארכיטקטורת תערובת מומחים, לאחזור כללי ורב־לשוני. הווקטורים שלו חולקים את המרחב של משפחת Voyage 4, כך שאפשר לחפש בהטמעות קורפוס מ־Large באמצעות הטמעות שאילתה תואמות ממודלים אחרים במשפחה.</p><dl class=\"card-io\" data-card-io><div><dt>סוגי קלט נתמכים</dt><dd>טקסט · token_ids</dd></div><div><dt>תוצאות</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>על המודל</summary><p class=\"note-s\" data-model-method-boundary>התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.</p><div class=\"mabout\" id=\"m-about\"><p>voyage-4-large הוא מודל הטמעת הטקסט המוביל של Voyage AI במשפחת Voyage 4. הוא מייצג קטעי מקור ושאילתות כווקטורים מספריים לאחזור כללי ורב-לשוני. שני המאפיינים המייחדים אותו הם תכנון מודל המבוסס על תערובת מומחים ומרחב ההטמעה המשותף של voyage-4-large, voyage-4, voyage-4-lite ו-voyage-4-nano.</p><h4>מרחב משותף: בחירות נפרדות לקורפוס ולשאילתה</h4><p>היצרן מתאר אחזור א-סימטרי: אפשר להטמיע מסמכים באמצעות voyage-4-large, בעוד מודל אחר ממשפחת Voyage 4 מכין את וקטורי השאילתה. למשל, אפשר לחפש בקורפוס המיוצג באמצעות Large עם שאילתות voyage-4. כך שני צדדי החיפוש יכולים לבחור מודלים שונים ולהישאר במרחב התואם המתועד.</p><p>לכן אוסף מעשי יכול להשתמש ב-Large להכנת קטעי מסמכים יציבים ולבחור בנפרד את המודל בצד השאילתה. המסמכים מוטמעים בזמן יצירת הקורפוס או עדכונו, והשאילתות הופכות לווקטורים כשמשתמשים מחפשים. הודעת המשפחה מתארת שינוי מודל השאילתה בתוך המשפחה התואמת ללא יצירה מחדש של וקטורי קורפוס המסמכים רק בגלל השינוי הזה. שמרו וקטורים מושווים בממדים תואמים ובייצוגים שמערכת החיפוש יכולה לפרש יחד.</p><h4>תכנון הטמעה המבוסס על תערובת מומחים</h4><p>שכבת הזנה קדימה צפופה מעבדת כל טוקן באמצעות מערך הפרמטרים המלא שלה. גישת MoE המתוארת עבור voyage-4-large משתמשת בנתב וברשתות הזנה קדימה של מומחים, ובוחרת את המומחים שמעבדים כל טוקן. כך מופרדת קיבולת המודל הכוללת מהפרמטרים הפעילים לטוקן מסוים. Voyage מדווחת על יחס הפעלה של 1/10 בתכנון MoE של המודל, עם ניתוב top-k.</p><p>ההסבר הטכני של היצרן מתאר גם שתי בחירות בפיתוח. קיבולת המומחה משפיעה על השאלה אם טוקנים עודפים עוקפים שכבת מומחה דרך מסלול שיורי; הצוות בחר במקדם הקיבולת הגדול ביותר שניתן היה ליישם כדי להימנע מפגיעה באיכות האחזור. בשלב האימון האחרון, פרמטרי הנתב מוקפאים לפני מיזוג המודלים, כך שאינטרפולציה של מודלי המקור לא משנה את ניתוב בחירת המומחים שנלמד. אלה מאפייני הכנת המודל, הנפרדים מהגדרות אורך טקסט או חיתוך המשמשות להכנת קלט.</p><h4>ממדים וייצוג הפלט</h4><p>טבלת המודלים הרשמית מציינת חלון הקשר של 32,000 טוקנים והטמעות לבחירה ב-256, 512, 1024 ו-2048 ממדים, עם 1024 כברירת מחדל. המשפחה משתמשת בלמידת Matryoshka לגדלי ייצוג מקוננים ותומכת באפשרויות קוונטיזציה: נקודה צפה של 32 סיביות, מספרים שלמים עם או בלי סימן של 8 סיביות ופלט בינרי ארוז.</p><p>בפלט בינרי, אורך רשימת הבתים שמוחזרת הוא שמינית מהממד שנבחר, משום שכל בית מכיל שמונה סיביות הטמעה. שמרו את בחירות הממד וסוג הנתונים עם האינדקס והשתמשו בשיטת השוואה שתומכת בייצוג הזה. וקטור קטן יותר או דחוס משנה את הייצוג המשמש לחיפוש; העריכו את הקטעים הרלוונטיים שמוחזרים לשאלות בפועל לפני בחירתו לאוסף.</p><h4>הכינו קלטי מסמכים ושאילתות</h4><p>Voyage ממליצה להשתמש בתפקיד document לקטעי קורפוס ובתפקיד query לנוסח החיפוש. אפשרות התפקיד שלה מוסיפה את הוראת האחזור המתאימה לפני ההטמעה. שמרו את הכותרת השימושית, את התנאים ואת מיקום המקור של הקטע, ואז אחסנו את הווקטור שהוחזר עם הטקסט המקורי ומזהה יציב.</p><p>באוסף ידע טכני, שאלה על מצב כשל צריכה להוביל לקטע שמתאר את המצב ואת התנאים הרלוונטיים שלו. באוסף מסמכים המשתרע על שפות שונות, שמרו את שפת המקור והעריכו את השאלות ואת המונחים שבהם המשתמשים יחפשו. הגרסה מכסה חומרי אחזור הכוללים מסמכים טכניים, שיחות, מסמכים ארוכים, קוד, משפט, פיננסים וטקסט אינטרנט. ההטמעה מאתרת חומר מועמד; מודל דירוג מחדש או שלב תשובה מאוחר יותר משתמשים בטקסט המקורי.</p><h4>מגבלות הקשר, אצווה וחיתוך</h4><p>המדריך הנוכחי של היצרן מאפשר עד 1,000 מחרוזות ובסך הכול 120,000 טוקני קלט בבקשת voyage-4-large. הדבר שונה ממכסת האצווה המצוינת עבור voyage-4, ואילו לשניהם חלון של 32,000 טוקנים לכל טקסט. חיתוך ברירת המחדל מקצר קלט ארוך מדי כדי שייכנס; השבתת החיתוך מחזירה שגיאה עבור טקסט ארוך מדי.</p><p>בחרו במכוון את גבולות הקטעים הנושאים תשובה, כדי שמקור ארוך לא יאבד הסתייגות רלוונטית בזנב שנחתך. שמרו את השיוך למקור בעת החזרת תוצאות חיפוש ובדקו את טקסט המועמד בפועל, במקום להתייחס לקרבה בין וקטורים כאימות של תוכנו. התאימות במרחב המשותף חלה על משפחת הטקסט Voyage 4 המתועדת; עיבוד מקטעים עם הקשר, הטמעות תמונה/וידאו ומהדורות מודל מאוחרות יותר נשארים תהליכים ייחודיים לכל מודל.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">זמין ב-Ailoot · קלט ושיטות</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · ייצוגים וקטוריים</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>סוגי קלט</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>סוגי פלט</dt><dd><code>embedding</code></dd></div><div><dt>הקשר</dt><dd>⁦32,000⁩ tokens</dd></div><div><dt>פורמט פלט</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>שדה</th><th>סוג</th><th>דרישה</th><th>ערכים ומגבלות</th><th>ברירת מחדל</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>voyageai/voyage-4-large</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מספר פריטים מזערי: ⁦1⁩</div><div>תנאים: אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.</div><div>תקציב קלט: מקסימום: ⁦32,000⁩ · יחידת טקסט: בתים בקידוד UTF8 · יחידת טוקנים: רכיבים במערך טוקנים</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>float</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"known\"><span class=\"card-cell-label\">ברירת מחדל</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>integer</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>לא נתמך</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>מינימום: ⁦1⁩</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>json_value</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>json_value</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>json_value</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>object</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>רשות</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>תנאים: provider.options נדחה</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>שילובים של חומרי קלט</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>פרמטרים ומחזור חיים של השיטה</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>פרמטר</th><th>מפרט</th></tr></thead><tbody><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>content_type</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>application/json</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>required</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>model, input</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>input_shapes</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>encoding_format</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>float</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>dimensions_override</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>false</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>max_input_budget_units</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>32000</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>multimodal_objects</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>false</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>material_types</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>text, token_ids</td></tr></tbody></table></div><p>מחזור חיים: <code>synchronous_json</code></p><p class=\"note-s\">שמרו כל אינדקס וקטור וממד.</p><p class=\"note-s\">שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">תעריפים</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.</p><dl data-price-conditions><dt>מצב מהיר</dt><dd>תעריף רגיל <span class=\"note-s\">כאשר נבחר מצב מהיר</span></dd><dt>מצב Flex</dt><dd>תעריף רגיל <span class=\"note-s\">כאשר נבחר מצב flex</span></dd><dt>מאמץ חשיבה מרבי</dt><dd>תעריף רגיל <span class=\"note-s\">כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>תעריפי Ailoot</h4><h4>מחירים לפי תצורה</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>תצורה</th><th>טבלת תעריפים</th><th>חיוב</th></tr></thead><tbody><tr><th data-cell-label=\"תצורה\" scope=\"row\"><span class=\"card-cell-label\">תצורה</span>תעריפי הבסיס לטוקנים</th><td data-cell-label=\"טבלת תעריפים\"><span class=\"card-cell-label\">טבלת תעריפים</span>תעריף בסיס</td><td data-cell-label=\"חיוב\"><span class=\"card-cell-label\">חיוב</span><div><span>קלט · טוקני קלט</span> <b>$0.00024</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>פלט · טוקני פלט</span> <b>$0</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · קריאה מהמטמון</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · כתיבה למטמון</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · כתיבה למטמון, 1 שעה</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. <a href=\"/docs/he/billing/reserve/\">איך פועלים שריון הסכום והסדרת החיוב →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">דוגמאות לבקשות</h3><h4>Ailoot Ultra · ייצוגים וקטוריים</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"אפשרויות קוד\"><button class=\"cg-tab\" id=\"model-code-2702-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2702-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-2702-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2702-panel-1\" aria-selected=\"false\" tabindex=\"-1\">Python SDK</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"העתקת הקוד\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2702-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2702-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;voyageai/voyage-4-large&quot;, &quot;input&quot;: [&quot;First document&quot;, &quot;Second document&quot;]}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div><div class=\"cg-pane\" id=\"model-code-2702-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-2702-tab-1\" hidden><pre data-lang=\"python\"><code>from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=&quot;https://api.ailoot.ai/v1&quot;,api_key=os.environ[&quot;AILOOT_API_KEY&quot;],max_retries=0)\nresult=client.embeddings.create(model=&#39;voyageai/voyage-4-large&#39;,input=[&quot;First document&quot;,&quot;Second document&quot;])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">קבלה ושמירה של תוצאות</h3><h4>Ailoot Ultra · ייצוגים וקטוריים</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>שמירת כל התוצאות שהושלמו</h5><p class=\"note-s\">שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.</p><p class=\"note-s\">שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>כשצריך לבדוק את התגובה המקורית</h5><p class=\"note-s\">לא מתווספת נקודת קצה למשימות הטמעה.</p></div><details class=\"card-about\" data-output-fields><summary>שדות התגובה</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>שדה</th><th>סוג</th></tr></thead><tbody><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>string</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>string</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>integer</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>finite float[]</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>שגיאות והשלבים הבאים</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>תגובה</th><th>תנאי</th><th>השלב הבא</th></tr></thead><tbody><tr><th data-cell-label=\"תגובה\" scope=\"row\"><span class=\"card-cell-label\">תגובה</span>⁦400⁩ · <code>invalid_request_error</code></th><td data-cell-label=\"תנאי\"><span class=\"card-cell-label\">תנאי</span>שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים</td><td data-cell-label=\"השלב הבא\"><span class=\"card-cell-label\">השלב הבא</span>תקנו את השדות שצוינו לפני בקשת יצירה חדשה.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">כינויים</h3><h4>כינויים למודל</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=voyageai%2Fvoyage-4-large&amp;route=Ultra&amp;caller=voyageai%2Fvoyage-4-large&amp;fmt=embeddings\"><code>voyageai/voyage-4-large</code></a></span></p><h4>כינויים לנתיבי שיטות</h4><p class=\"note-s\">השתמשו בנתיבי השיטות המוצגים למעלה.</p><h4>מזהי מודלים קשורים IDs</h4><p class=\"note-s\"><a href=\"#m=voyageai%2Fvoyage-4-large&amp;route=Ultra&amp;caller=voyageai%2Fvoyage-4-large&amp;fmt=embeddings\"><code>voyageai/voyage-4-large</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyageai/voyage-4-large",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyageai/voyage-4-large",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyageai%2Fvoyage-4-large",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "voyageai/voyage-4-large"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 32000,
                  "text_unit": "בתים בקידוד UTF8",
                  "token_unit": "רכיבים במערך טוקנים"
                },
                "conditions": "אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options נדחה",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "שמרו כל אינדקס וקטור וממד.",
            "שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 32000,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 32000,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "תעריפי הבסיס לטוקנים",
            "units": [
              {
                "amount": "0.00024000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.00000024",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"voyageai/voyage-4-large\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='voyageai/voyage-4-large',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.24,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "מצב מהיר",
            "value": "תעריף רגיל",
            "when": "כאשר נבחר מצב מהיר"
          },
          {
            "label": "מצב Flex",
            "value": "תעריף רגיל",
            "when": "כאשר נבחר מצב flex"
          },
          {
            "label": "מאמץ חשיבה מרבי",
            "value": "תעריף רגיל",
            "when": "כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.00024000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.00000024",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyageai/voyage-4-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.00024000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.00000024",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "voyageai/voyage-4-large",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "d0b9bd9fa4ad3bb444cf3e996a81fb60c28873e90ab29a690890ebda66210560",
    "input_html_sha256": "13ea2379a66ec677929846d1f0b19afd1f3ab974e9f53ab13bf0647e49a620ea",
    "private_audit_sha256": "0836b42b6bdd1d2457c03d036fdda2848dcde8609ad71344abde832340e17ae6",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/he/voyageai-voyage-4-large/",
    "description": "voyage-4-large הוא מודל הטמעת הטקסט של Voyage AI בארכיטקטורת תערובת מומחים, לאחזור כללי ורב־לשוני. הווקטורים שלו חולקים את המרחב של משפחת Voyage 4, כך שאפשר לחפש בהטמעות קורפוס מ־Large באמצעות הטמעות שאילתה תואמות ממודלים אחרים במשפחה.",
    "locale": "he",
    "md_url": "https://ailoot.ai/models/he/voyageai-voyage-4-large/index.md",
    "title": "VoyageAI by MongoDB: voyage-4-large — Ailoot",
    "url": "https://ailoot.ai/models/he/voyageai-voyage-4-large/"
  },
  "rawModel": {
    "about": "voyage-4-large הוא מודל הטמעת הטקסט המוביל של Voyage AI במשפחת Voyage 4. הוא מייצג קטעי מקור ושאילתות כווקטורים מספריים לאחזור כללי ורב-לשוני. שני המאפיינים המייחדים אותו הם תכנון מודל המבוסס על תערובת מומחים ומרחב ההטמעה המשותף של voyage-4-large, voyage-4, voyage-4-lite ו-voyage-4-nano.\n\n### מרחב משותף: בחירות נפרדות לקורפוס ולשאילתה\n\nהיצרן מתאר אחזור א-סימטרי: אפשר להטמיע מסמכים באמצעות voyage-4-large, בעוד מודל אחר ממשפחת Voyage 4 מכין את וקטורי השאילתה. למשל, אפשר לחפש בקורפוס המיוצג באמצעות Large עם שאילתות voyage-4. כך שני צדדי החיפוש יכולים לבחור מודלים שונים ולהישאר במרחב התואם המתועד.\n\nלכן אוסף מעשי יכול להשתמש ב-Large להכנת קטעי מסמכים יציבים ולבחור בנפרד את המודל בצד השאילתה. המסמכים מוטמעים בזמן יצירת הקורפוס או עדכונו, והשאילתות הופכות לווקטורים כשמשתמשים מחפשים. הודעת המשפחה מתארת שינוי מודל השאילתה בתוך המשפחה התואמת ללא יצירה מחדש של וקטורי קורפוס המסמכים רק בגלל השינוי הזה. שמרו וקטורים מושווים בממדים תואמים ובייצוגים שמערכת החיפוש יכולה לפרש יחד.\n\n### תכנון הטמעה המבוסס על תערובת מומחים\n\nשכבת הזנה קדימה צפופה מעבדת כל טוקן באמצעות מערך הפרמטרים המלא שלה. גישת MoE המתוארת עבור voyage-4-large משתמשת בנתב וברשתות הזנה קדימה של מומחים, ובוחרת את המומחים שמעבדים כל טוקן. כך מופרדת קיבולת המודל הכוללת מהפרמטרים הפעילים לטוקן מסוים. Voyage מדווחת על יחס הפעלה של 1/10 בתכנון MoE של המודל, עם ניתוב top-k.\n\nההסבר הטכני של היצרן מתאר גם שתי בחירות בפיתוח. קיבולת המומחה משפיעה על השאלה אם טוקנים עודפים עוקפים שכבת מומחה דרך מסלול שיורי; הצוות בחר במקדם הקיבולת הגדול ביותר שניתן היה ליישם כדי להימנע מפגיעה באיכות האחזור. בשלב האימון האחרון, פרמטרי הנתב מוקפאים לפני מיזוג המודלים, כך שאינטרפולציה של מודלי המקור לא משנה את ניתוב בחירת המומחים שנלמד. אלה מאפייני הכנת המודל, הנפרדים מהגדרות אורך טקסט או חיתוך המשמשות להכנת קלט.\n\n### ממדים וייצוג הפלט\n\nטבלת המודלים הרשמית מציינת חלון הקשר של 32,000 טוקנים והטמעות לבחירה ב-256, 512, 1024 ו-2048 ממדים, עם 1024 כברירת מחדל. המשפחה משתמשת בלמידת Matryoshka לגדלי ייצוג מקוננים ותומכת באפשרויות קוונטיזציה: נקודה צפה של 32 סיביות, מספרים שלמים עם או בלי סימן של 8 סיביות ופלט בינרי ארוז.\n\nבפלט בינרי, אורך רשימת הבתים שמוחזרת הוא שמינית מהממד שנבחר, משום שכל בית מכיל שמונה סיביות הטמעה. שמרו את בחירות הממד וסוג הנתונים עם האינדקס והשתמשו בשיטת השוואה שתומכת בייצוג הזה. וקטור קטן יותר או דחוס משנה את הייצוג המשמש לחיפוש; העריכו את הקטעים הרלוונטיים שמוחזרים לשאלות בפועל לפני בחירתו לאוסף.\n\n### הכינו קלטי מסמכים ושאילתות\n\nVoyage ממליצה להשתמש בתפקיד document לקטעי קורפוס ובתפקיד query לנוסח החיפוש. אפשרות התפקיד שלה מוסיפה את הוראת האחזור המתאימה לפני ההטמעה. שמרו את הכותרת השימושית, את התנאים ואת מיקום המקור של הקטע, ואז אחסנו את הווקטור שהוחזר עם הטקסט המקורי ומזהה יציב.\n\nבאוסף ידע טכני, שאלה על מצב כשל צריכה להוביל לקטע שמתאר את המצב ואת התנאים הרלוונטיים שלו. באוסף מסמכים המשתרע על שפות שונות, שמרו את שפת המקור והעריכו את השאלות ואת המונחים שבהם המשתמשים יחפשו. הגרסה מכסה חומרי אחזור הכוללים מסמכים טכניים, שיחות, מסמכים ארוכים, קוד, משפט, פיננסים וטקסט אינטרנט. ההטמעה מאתרת חומר מועמד; מודל דירוג מחדש או שלב תשובה מאוחר יותר משתמשים בטקסט המקורי.\n\n### מגבלות הקשר, אצווה וחיתוך\n\nהמדריך הנוכחי של היצרן מאפשר עד 1,000 מחרוזות ובסך הכול 120,000 טוקני קלט בבקשת voyage-4-large. הדבר שונה ממכסת האצווה המצוינת עבור voyage-4, ואילו לשניהם חלון של 32,000 טוקנים לכל טקסט. חיתוך ברירת המחדל מקצר קלט ארוך מדי כדי שייכנס; השבתת החיתוך מחזירה שגיאה עבור טקסט ארוך מדי.\n\nבחרו במכוון את גבולות הקטעים הנושאים תשובה, כדי שמקור ארוך לא יאבד הסתייגות רלוונטית בזנב שנחתך. שמרו את השיוך למקור בעת החזרת תוצאות חיפוש ובדקו את טקסט המועמד בפועל, במקום להתייחס לקרבה בין וקטורים כאימות של תוכנו. התאימות במרחב המשותף חלה על משפחת הטקסט Voyage 4 המתועדת; עיבוד מקטעים עם הקשר, הטמעות תמונה/וידאו ומהדורות מודל מאוחרות יותר נשארים תהליכים ייחודיים לכל מודל.",
    "alias_of": null,
    "aliases": [],
    "author": "VoyageAI by MongoDB",
    "available": null,
    "canonical_model": "voyageai/voyage-4-large",
    "capabilities": {
      "context_length": 32000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00024000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.00000024",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "התמחור המלא של התצורה מופיע בפרטים."
      }
    ],
    "ctx": 32000,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "voyageai/voyage-4-large",
    "input": [
      "text",
      "token_ids"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "שדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים",
                "http_status": 400,
                "recovery": "תקנו את השדות שצוינו לפני בקשת יצירה חדשה.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "לא מתווספת נקודת קצה למשימות הטמעה."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "voyageai/voyage-4-large"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 32000,
                  "text_unit": "בתים בקידוד UTF8",
                  "token_unit": "רכיבים במערך טוקנים"
                },
                "conditions": "אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options נדחה",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "שמרו כל אינדקס וקטור וממד.",
            "שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 32000,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 32000,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "תעריפי הבסיס לטוקנים",
            "units": [
              {
                "amount": "0.00024000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.00000024",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"voyageai/voyage-4-large\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='voyageai/voyage-4-large',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.24,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "מצב מהיר",
            "value": "תעריף רגיל",
            "when": "כאשר נבחר מצב מהיר"
          },
          {
            "label": "מצב Flex",
            "value": "תעריף רגיל",
            "when": "כאשר נבחר מצב flex"
          },
          {
            "label": "מאמץ חשיבה מרבי",
            "value": "תעריף רגיל",
            "when": "כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.00024000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.00000024",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyageai/voyage-4-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.00024000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.00000024",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "voyageai/voyage-4-large",
        "request_model_id": "voyageai/voyage-4-large",
        "route_label": "Ultra"
      }
    ],
    "name": "VoyageAI by MongoDB: voyage-4-large",
    "price": {
      "in": 0.24,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.24,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0.00024000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.00000024",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "public_id": "voyageai/voyage-4-large",
    "short": "voyage-4-large הוא מודל הטמעת הטקסט של Voyage AI בארכיטקטורת תערובת מומחים, לאחזור כללי ורב־לשוני. הווקטורים שלו חולקים את המרחב של משפחת Voyage 4, כך שאפשר לחפש בהטמעות קורפוס מ־Large באמצעות הטמעות שאילתה תואמות ממודלים אחרים במשפחה."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "voyage-4-large הוא מודל הטמעת הטקסט של Voyage AI בארכיטקטורת תערובת מומחים, לאחזור כללי ורב־לשוני. הווקטורים שלו חולקים את המרחב של משפחת Voyage 4, כך שאפשר לחפש בהטמעות קורפוס מ־Large באמצעות הטמעות שאילתה תואמות ממודלים אחרים במשפחה.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "88c8d01ce7afad8e57b2e4b8ec4e8c4f0fb8ef2be7368a9791782923212fc0e2",
    "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910"
  },
  "sourceRevision": "5f195adaec4a7a0f1e1cff6d063374de7db23796ac6e9809ecddda3d03056751"
}