Source: https://ailoot.ai/models/ms/voyageai-voyage-4-large/
Canonical: https://ailoot.ai/models/ms/voyageai-voyage-4-large/
Language: ms

# VoyageAI by MongoDB: voyage-4-large

[Markdown](https://ailoot.ai/models/ms/voyageai-voyage-4-large/index.md) · [JSON](https://ailoot.ai/models/ms/voyageai-voyage-4-large/facts.json)

## [VoyageAI by MongoDB: voyage-4-large](https://ailoot.ai/models/ms/voyageai-voyage-4-large/)

voyage-4-large ialah model embedding teks mixture-of-experts Voyage AI untuk pemerolehan semula kegunaan umum dan berbilang bahasa. Vektornya berkongsi ruang keluarga Voyage 4, membolehkan embedding korpus daripada Large dicari dengan embedding pertanyaan serasi daripada model lain dalam keluarga yang sama.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `voyageai/voyage-4-large`](https://ailoot.ai/models/ms/voyageai-voyage-4-large/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

voyage-4-large ialah model embedding teks utama Voyage AI dalam keluarga Voyage 4. Ia mewakili petikan sumber dan pertanyaan sebagai vektor berangka untuk pemerolehan semula kegunaan umum dan berbilang bahasa. Dua ciri yang membezakannya ialah reka bentuk model mixture-of-experts dan ruang embedding bersama yang digunakan oleh voyage-4-large, voyage-4, voyage-4-lite dan voyage-4-nano.

#### Ruang bersama: pilihan korpus dan pertanyaan berasingan

Pengeluar menerangkan pemerolehan semula tidak simetri: dokumen boleh dihasilkan embeddingnya dengan voyage-4-large, manakala model keluarga Voyage 4 yang lain menyediakan vektor pertanyaan. Contohnya, korpus yang diwakili Large boleh dicari dengan pertanyaan voyage-4. Ini membolehkan dua sisi carian memilih model berbeza sambil kekal dalam ruang serasi yang didokumenkan.

Oleh itu, koleksi praktikal boleh menggunakan Large untuk menyediakan petikan dokumen stabil dan memilih model bahagian pertanyaan secara berasingan. Dokumen dihasilkan embeddingnya ketika korpus dicipta atau dikemas kini, manakala pertanyaan divektorkan semasa pengguna mencari. Pengumuman keluarga menerangkan penukaran model pertanyaan dalam keluarga serasi tanpa memvektorkan semula korpus dokumen semata-mata kerana perubahan itu. Pastikan vektor yang dibandingkan mempunyai dimensi sepadan dan perwakilan yang dapat ditafsirkan bersama oleh sistem carian.

#### Reka bentuk embedding mixture-of-experts

Lapisan feed-forward padat memproses setiap token melalui keseluruhan set parameternya. Pendekatan MoE yang diterangkan bagi voyage-4-large menggunakan penghala dan rangkaian feed-forward pakar untuk memilih pakar yang memproses setiap token. Ini memisahkan kapasiti model keseluruhan daripada parameter yang aktif bagi token tertentu. Voyage melaporkan nisbah pengaktifan 1/10 untuk reka bentuk MoE model menggunakan penghalaan top-k.

Penjelasan teknikal pembuat turut menerangkan dua pilihan pembangunan. Kapasiti pakar mempengaruhi sama ada token berlebihan memintas lapisan pakar melalui laluan residual; pasukan memilih faktor kapasiti terbesar yang boleh dilaksanakan untuk mengelakkan kehilangan kualiti pemerolehan semula. Dalam peringkat latihan akhir, parameter penghala dibekukan sebelum penggabungan model supaya interpolasi model sumber tidak mengubah penghalaan pemilihan pakar yang dipelajari. Ini ciri penyediaan model, berbeza daripada tetapan panjang teks atau pemotongan ketika menyediakan input.

#### Dimensi dan perwakilan output

Jadual model rasmi menetapkan tetingkap konteks 32,000 token dan embedding 256, 512, 1024 serta 2048 dimensi yang boleh dipilih, dengan 1024 sebagai lalai. Keluarga ini menggunakan pembelajaran Matryoshka untuk saiz perwakilan bersarang dan menyokong pilihan pengkuantuman: titik terapung 32 bit, integer 8 bit bertanda atau tanpa tanda dan output binari padat.

Dengan output binari, panjang senarai bait yang dikembalikan ialah satu perlapan dimensi terpilih kerana setiap bait mengandungi lapan bit embedding. Simpan pilihan dimensi dan jenis data bersama indeks serta gunakan kaedah perbandingan yang menyokong perwakilan itu. Vektor lebih kecil atau dimampatkan mengubah perwakilan yang digunakan untuk carian; nilai petikan relevan yang dikembalikan bagi soalan sebenar sebelum memilihnya untuk koleksi.

#### Sediakan input document dan query

Voyage mengesyorkan peranan document untuk petikan korpus dan peranan query untuk ungkapan carian. Pilihan peranannya menambah arahan pemerolehan semula yang sepadan sebelum embedding. Kekalkan tajuk berguna, syarat dan lokasi sumber petikan, kemudian simpan vektor hasil bersama teks asal dan pengecam stabil.

Untuk koleksi pengetahuan teknikal, soalan tentang mod kegagalan patut membawa kepada petikan yang menerangkan mod itu dan syarat berkaitannya. Untuk koleksi dokumen merentas bahasa, simpan bahasa sumber dan nilai soalan serta istilah yang akan dicari pengguna. Keluaran meliputi bahan pemerolehan semula termasuk dokumen teknikal, perbualan, dokumen panjang, kod, undang-undang, kewangan dan teks web. Embedding mencari bahan calon; peringkat reranker atau jawapan kemudian menggunakan teks asal.

#### Had konteks, batch dan pemotongan

Panduan semasa pembuat membenarkan sehingga 1,000 rentetan dan 120,000 token input keseluruhan dalam permintaan voyage-4-large. Ini berbeza daripada peruntukan batch voyage-4, manakala kedua-duanya mempunyai tetingkap 32,000 token bagi setiap teks. Pemotongan lalai memendekkan input terlalu panjang supaya muat; penyahdayaan pemotongan mengembalikan ralat bagi teks terlalu panjang.

Pilih sempadan petikan yang mengandungi jawapan dengan sengaja supaya sumber panjang tidak kehilangan syarat atau batasan relevan pada hujung yang dipotong. Simpan perkaitan sumber ketika mengembalikan hasil carian dan periksa teks calon sebenar, bukannya menganggap kedekatan vektor sebagai pengesahan kandungannya. Keserasian ruang bersama terpakai kepada keluarga teks Voyage 4 yang didokumenkan; pemprosesan segmen berkonteks, embedding imej/video dan edisi model kemudian kekal aliran kerja khusus model masing-masing.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `voyageai/voyage-4-large`

[`voyageai/voyage-4-large`](https://ailoot.ai/models/ms/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings)

VoyageAI by MongoDB /`voyageai/voyage-4-large`

### Pengenalan

voyage-4-large ialah model embedding teks mixture-of-experts Voyage AI untuk pemerolehan semula kegunaan umum dan berbilang bahasa. Vektornya berkongsi ruang keluarga Voyage 4, membolehkan embedding korpus daripada Large dicari dengan embedding pertanyaan serasi daripada model lain dalam keluarga yang sama.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Konteks

32,000 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had voyageai/voyage-4-large | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 32,000 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak32000 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Kadar standard Apabila mod pantas dipilih

Mod flex

Kadar standard Apabila mod flex dipilih

Usaha penaakulan maksimum

Kadar standard 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 **$0.00024** / 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 →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

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)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`voyageai/voyage-4-large`](https://ailoot.ai/models/ms/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`voyageai/voyage-4-large`](https://ailoot.ai/models/ms/#m=voyageai%2Fvoyage-4-large&route=Ultra&caller=voyageai%2Fvoyage-4-large&fmt=embeddings)

FAQ · VoyageAI by MongoDB: voyage-4-large

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `voyageai/voyage-4-large`: `text`, `token_ids` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `voyageai/voyage-4-large`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `voyageai/voyage-4-large`: `ctx`: `32000`; `input.budget.maximum`: `32000` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.