Source: https://ailoot.ai/models/it/voyageai-voyage-4-large/ Canonical: https://ailoot.ai/models/it/voyageai-voyage-4-large/ Language: it # VoyageAI by MongoDB: voyage-4-large [Markdown](https://ailoot.ai/models/it/voyageai-voyage-4-large/index.md) · [JSON](https://ailoot.ai/models/it/voyageai-voyage-4-large/facts.json) ## [VoyageAI by MongoDB: voyage-4-large](https://ailoot.ai/models/it/voyageai-voyage-4-large/) voyage-4-large è il modello di embedding testuale mixture-of-experts di Voyage AI per il recupero generalista e multilingue. I suoi vettori condividono lo spazio della famiglia Voyage 4, permettendo di cercare negli embedding di corpus di Large con embedding di query compatibili degli altri modelli della famiglia. - [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `voyageai/voyage-4-large`](https://ailoot.ai/models/it/voyageai-voyage-4-large/#method-0) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. voyage-4-large è il modello di punta di embedding testuale di Voyage AI nella famiglia Voyage 4. Rappresenta passaggi di origine e query come vettori numerici per il recupero generalista e multilingue. Le due caratteristiche distintive sono una progettazione mixture-of-experts e lo spazio di embedding condiviso usato da voyage-4-large, voyage-4, voyage-4-lite e voyage-4-nano. #### Spazio condiviso: scelte separate per corpus e query Il produttore descrive il recupero asimmetrico: i documenti possono essere codificati con voyage-4-large mentre un altro modello della famiglia Voyage 4 prepara i vettori di query. Per esempio, un corpus rappresentato da Large può essere cercato con query voyage-4. Questo permette ai due lati della ricerca di scegliere modelli diversi restando nello spazio compatibile documentato. Una raccolta concreta può quindi usare Large per preparare passaggi documentali stabili e scegliere indipendentemente il modello del lato query. I documenti vengono codificati quando il corpus viene creato o aggiornato, mentre le query vengono vettorizzate quando gli utenti cercano. L’annuncio della famiglia descrive il cambio del modello di query all’interno della famiglia compatibile senza rivettorizzare il corpus documentale soltanto per quel cambiamento. Mantieni i vettori confrontati a dimensioni corrispondenti e in rappresentazioni che il sistema di ricerca possa interpretare insieme. #### Progettazione dell’embedding mixture-of-experts Uno strato feed-forward denso elabora ogni token attraverso l’intero insieme dei propri parametri. L’approccio MoE descritto per voyage-4-large usa un router e reti feed-forward di esperti, selezionando gli esperti che elaborano ogni token. Ciò separa la capacità totale del modello dai parametri attivi per un token particolare. Voyage riporta un rapporto di attivazione di 1/10 per la progettazione MoE del modello, usando instradamento top-k. La spiegazione tecnica del produttore descrive inoltre due scelte di sviluppo. La capacità degli esperti influisce sul fatto che token in eccesso saltino uno strato di esperti attraverso un percorso residuo; il team ha scelto il fattore di capacità massimo praticabile per evitare perdite nella qualità del recupero. Nella fase finale di addestramento, i parametri del router vengono congelati prima della fusione dei modelli, affinché l’interpolazione dei modelli di origine non modifichi l’instradamento appreso di selezione degli esperti. Sono caratteristiche della preparazione del modello, distinte dalle impostazioni di lunghezza del testo o troncamento usate quando si prepara un input. #### Dimensioni e rappresentazione dell’output La tabella ufficiale del modello specifica una finestra di contesto di 32.000 token ed embedding selezionabili a 256, 512, 1024 e 2048 dimensioni, con 1024 come valore predefinito. La famiglia usa apprendimento Matryoshka per dimensioni di rappresentazione annidate e supporta scelte di quantizzazione: virgola mobile a 32 bit, interi a 8 bit con o senza segno e output binario compattato. Con output binario, la lunghezza dell’elenco di byte restituito è un ottavo della dimensione selezionata, perché ogni byte contiene otto bit di embedding. Preserva le scelte di dimensione e tipo di dati insieme all’indice e usa un metodo di confronto che supporti quella rappresentazione. Un vettore più piccolo o compresso cambia la rappresentazione usata per la ricerca; valuta i passaggi pertinenti restituiti su domande reali prima di sceglierlo per una raccolta. #### Preparare input di documenti e query Voyage raccomanda il ruolo document per i passaggi del corpus e il ruolo query per le formulazioni di ricerca. L’opzione di ruolo aggiunge l’istruzione di recupero corrispondente prima della codifica. Conserva il titolo utile del passaggio, le condizioni e la posizione nella fonte, poi memorizza il vettore restituito con il testo originale e un identificatore stabile. Per una raccolta di conoscenze tecniche, una domanda su una modalità di guasto dovrebbe portare al passaggio che descrive quella modalità e le sue condizioni pertinenti. Per una raccolta documentale in più lingue, conserva la lingua di origine e valuta le domande e la terminologia con cui gli utenti cercheranno. La release copre materiale di recupero che include documenti tecnici, conversazioni, documenti lunghi, codice, diritto, finanza e testo web. L’embedding individua materiale candidato; un reranker o una fase di risposta successivi usano il testo originale. #### Limiti di contesto, batch e troncamento La guida attuale del produttore permette fino a 1000 stringhe e 120.000 token totali di input in una richiesta voyage-4-large. Questo differisce dal budget batch indicato per voyage-4, mentre entrambi hanno una finestra di 32.000 token per testo. Il troncamento predefinito accorcia un input troppo lungo per farlo rientrare; disabilitare il troncamento restituisce un errore per un testo troppo lungo. Scegli intenzionalmente i confini dei passaggi contenenti risposte, affinché una fonte lunga non perda una precisazione pertinente nella parte finale troncata. Mantieni il collegamento alla fonte quando restituisci risultati di ricerca ed esamina il testo candidato effettivo anziché trattare la vicinanza vettoriale come verifica dei suoi contenuti. La compatibilità dello spazio condiviso si applica alla famiglia testuale Voyage 4 documentata; elaborazione di segmenti contestualizzata, embedding di immagini o video ed edizioni successive dei modelli rimangono flussi specifici di ciascun modello. **Ailoot Ultra · Embedding** `POST /v1/embeddings` `voyageai/voyage-4-large` [`voyageai/voyage-4-large`](https://ailoot.ai/models/it/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings) VoyageAI by MongoDB /`voyageai/voyage-4-large` ### Introduzione voyage-4-large è il modello di embedding testuale mixture-of-experts di Voyage AI per il recupero generalista e multilingue. I suoi vettori condividono lo spazio della famiglia Voyage 4, permettendo di cercare negli embedding di corpus di Large con embedding di query compatibili degli altri modelli della famiglia. Input accettati Testo · token\_ids Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Embedding** `POST /v1/embeddings` Tipi di input `text`, `token_ids` Tipi di output `embedding` Contesto 32.000 tokens Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti voyageai/voyage-4-large | Predefinito— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Batch omogeneo non vuoto. Gli ID dei token sono numeri interi non negativi. Budget di input: Massimo: 32.000 · Unità di testo: byte UTF8 · Unità di token: elementi dell’array di token | Predefinito— | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float | Predefinitofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNon supportato | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`session_id` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`trace` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options rifiutato | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input | | Parametro`input_shapes` | Contrattostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametro`encoding_format` | Contrattofloat | | Parametro`dimensions_override` | Contrattofalse | | Parametro`max_input_budget_units` | Contratto32000 | | Parametro`multimodal_objects` | Contrattofalse | | Parametro`material_types` | Contrattotext, token\_ids | Ciclo di vita: `synchronous_json` Conserva l'indice e la dimensione di ogni vettore. Il nome del modello multimodale non consente oggetti immagine su questo percorso specifico. ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Tariffa standard Quando è selezionata la modalità rapida Modalità flex Tariffa standard Quando è selezionata la modalità flex Sforzo massimo di ragionamento Tariffa standard Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe Ailoot #### Prezzi per configurazione | Configurazione | Listino delle tariffe | Costo | | --- | --- | --- | | ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input **$0.00024** / 1K token Output · Token in output **$0** / 1K token Input · Lettura dalla cache **—** / 1K token Input · Scrittura nella cache **—** / 1K token Input · Scrittura nella cache, 1 ora **—** / 1K token | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Embedding curlPython SDK ```bash set -eu : "${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-large", "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-large',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Conserva ogni vettore con il suo indice. Il numero di vettori deve coincidere con il numero di input; le dimensioni devono essere coerenti. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot Ultra** [`voyageai/voyage-4-large`](https://ailoot.ai/models/it/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`voyageai/voyage-4-large`](https://ailoot.ai/models/it/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings) FAQ · VoyageAI by MongoDB: voyage-4-large Quali input e risultati sono disponibili? `POST /v1/embeddings` · `voyageai/voyage-4-large`: `text`, `token_ids` → `embedding` Quali campi usa la richiesta? `POST /v1/embeddings` · `voyageai/voyage-4-large`: `model`, `input`, `encoding_format`, `provider` Quali limiti si applicano? `POST /v1/embeddings` · `voyageai/voyage-4-large`: `ctx`: `32000`; `input.budget.maximum`: `32000` (byte UTF8); `input.min_items`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.