Voyage AI: Voyage 3.5 Lite
Voyage 3.5 Lite menghasilkan embedding teks untuk carian semantik dengan tumpuan pada kependaman dan kecekapan carian. Model ini menyokong tetingkap konteks 32000 token, empat saiz vektor dan output yang dikuantisasikan untuk carian pangkalan pengetahuan, pemadanan dokumen dan RAG.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Voyage 3.5 Lite menukar teks kepada embedding untuk carian semantik. Voyage AI menerangkan edisi ini sebagai dioptimumkan untuk kependaman dan kos, menjadikannya calon bagi pengalaman carian yang kerap menghasilkan embedding soalan masuk atau mengekalkan koleksi besar petikan yang boleh dicari. Outputnya ialah perwakilan berangka bagi teks yang diberikan, yang dibandingkan oleh aplikasi carian dengan vektor tersimpan untuk bahan sumbernya.
Mulakan dengan koleksi yang sempadannya sepadan dengan tugas pengguna. Untuk pusat bantuan, satu petikan mungkin menerangkan prosedur dan prasyaratnya. Untuk arkib perbincangan, kekalkan rangkaian balasan yang mencukupi untuk mengenal pasti perkara yang dijawab. Hasil harus membawa pengguna kepada bukti yang boleh dibaca, jadi simpan teks asal, pautan sumber yang stabil dan metadata dokumen bersama setiap embedding.
Tulis pertanyaan ujian sebagaimana pengguna akan bertanya. “Di manakah saya boleh menukar alamat pada invois?” lebih berguna sebagai semakan carian berbanding menyalin tajuk artikel yang relevan. Sertakan soalan pendek, parafrasa, singkatan bidang dan kes yang menyebut beberapa konsep. Semak petikan yang dikembalikan dan tentukan sama ada hasil yang terlepas berpunca daripada kandungan sumber yang tiada, sempadan petikan yang kurang sesuai atau pilihan carian.
Pembuatnya mendokumentasikan tetingkap konteks 32000 token. Kapasiti ini membolehkan input teks yang besar, sementara panjang petikan kekal sebagai pilihan reka bentuk untuk pengalaman carian. Kekalkan jawapan ringkas bersama syarat yang diperlukan; elakkan memisahkan definisi daripada istilah yang diterangkannya. Ekstrak teks yang boleh dibaca daripada sumber dan buang navigasi yang diulang pada setiap halaman apabila ia mengaburkan maklumat yang dikehendaki pengguna.
Voyage 3.5 Lite menyokong dimensi 2048, 1024, 512 dan 256. Perwakilan titik apung, integer lapan bit dan binari menyediakan pilihan tambahan untuk indeks vektor. Uji perwakilan yang lebih kecil atau dikuantisasikan menggunakan soalan dan korpus yang sama seperti garis dasar berketepatan penuh. Rekodkan model, dimensi dan jenis data yang dipilih bersama indeks supaya vektor pertanyaan menggunakan tetapan yang sepadan.
Dalam aliran kerja carian pembuatnya, kenal pasti petikan yang diindeks sebagai dokumen dan carian masuk sebagai pertanyaan. Kekalkan pemetaan daripada setiap vektor yang dikembalikan kepada teks inputnya apabila memproses beberapa petikan serentak. Operasi embedding yang berjaya menyediakan vektor; aplikasi masih perlu memasukkannya ke dalam rekod yang betul dan memaparkan petikan sumber apabila pengguna membuka hasil.
Gunakan edisi ini untuk koleksi sokongan yang boleh dicari, alat penemuan dokumen atau tahap carian bagi pembantu. Untuk bahan berbilang bahasa, nilai gabungan bahasa yang terdapat dalam koleksi anda sendiri dan jangan bergantung pada satu ujian bahasa Inggeris sahaja. Pastikan kebenaran akses dan metadata lokal tersedia kepada aplikasi supaya padanan yang relevan dapat ditapis dan dipaparkan dalam konteks yang betul.
Untuk koleksi yang berkembang, kemas kini vektor bagi petikan yang berubah bersama versi sumbernya. Kekalkan set soalan sebenar yang merangkumi padanan mudah, parafrasa sukar dan dokumen serupa dengan jawapan berbeza. Ukur kualiti carian dan tingkah laku keseluruhan aliran carian di bawah beban kerja yang dijangka. Cara pembuatnya meletakkan edisi Lite membantu memilih calon; dimensi akhir, strategi petikan dan tetapan indeks ditentukan oleh hasil pada bahan anda.
Ailoot Ultra · Pembenaman POST /v1/embeddings voyage-3.5-lite
voyage-3.5-litePengenalan
Voyage 3.5 Lite menghasilkan embedding teks untuk carian semantik dengan tumpuan pada kependaman dan kecekapan carian. Model ini menyokong tetingkap konteks 32000 token, empat saiz vektor dan output yang dikuantisasikan untuk carian pangkalan pengetahuan, pemadanan dokumen dan RAG.
- Input yang diterima
- Teks
- Hasil
- embedding
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Pembenaman POST /v1/embeddings
- Input
text- Output
embedding
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had voyage-3.5-lite Syarat: Gunakan pemilih model Ailoot yang tepat. | Lalai— |
Medaninput | Jenisstring or array<string> | KeperluanDiperlukan | Nilai & had Syarat: Teks atau senarai teks; simpan satu vektor bagi setiap item data yang dikembalikan berserta indeksnya. | Lalai— |
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input |
Parameteroptional | Kontrak |
Parametermaterial_types | Kontraktext |
Parameterconditions | KontrakHantar teks dengan model yang dipilih; simpan setiap vektor yang dikembalikan berserta indeksnya. |
Kitar hayat: synchronous
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Tidak dinyatakan Apabila mod pantas dipilih
- Mod flex
- Tidak dinyatakan Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default
Kadar Ailoot
Harga mengikut konfigurasi
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0001 / 1K token Output · Token output $0 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Pembenaman
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
cat > request.json <<'JSON'
{
"model": "voyage-3.5-lite",
"input": "The quick brown fox jumps over the lazy dog"
}
JSON
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 embeddings.json
# Keep every data item and its index, the full usage object and response headers.
Terima dan simpan hasil
Alias
Alias model
Ailoot Ultra voyage-3.5-lite
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Voyage AI: Voyage 3.5 Lite
- Apakah input dan hasil yang tersedia?
POST /v1/embeddings·voyage-3.5-lite:text→embedding- Apakah medan yang digunakan oleh permintaan?
POST /v1/embeddings·voyage-3.5-lite:model,input