voyage-4 to średniej wielkości model osadzeń tekstu Voyage AI z rodziny Voyage 4. Zamienia tekst zapytań i dokumentów na wektory liczbowe do wyszukiwania ogólnego przeznaczenia i wielojęzycznego. Cechą definiującą rodzinę jest wspólna przestrzeń osadzeń: voyage-4, voyage-4-large, voyage-4-lite i voyage-4-nano tworzą zgodne reprezentacje, dzięki czemu strona zapytań i strona dokumentów w zadaniu wyszukiwania mogą używać różnych modeli z tej rodziny.
Producent nazywa stosowanie różnych modeli zapytań i korpusu wyszukiwaniem asymetrycznym. Jednym z udokumentowanych schematów jest przygotowanie korpusu za pomocą voyage-4-large i przeszukiwanie go przy użyciu osadzeń zapytań z voyage-4. Osadzenia korpusu tworzy się raz lub po zmianie jego materiału źródłowego, a wektory zapytań powstają wraz z kolejnymi wyszukiwaniami. Wspólna przestrzeń pozwala zmieniać model po stronie zapytań w obrębie rodziny bez konieczności ponownego tworzenia osadzeń korpusu wyłącznie z powodu tej zmiany.
Utrzymuj zgodność liczby wymiarów wyjścia i reprezentacji między porównywanymi wektorami. Deklaracja wspólnej przestrzeni dotyczy nazwanych modeli tekstowych Voyage 4; nie potwierdza jej samo zwracanie tablic tej samej długości przez dwa niepowiązane modele. W praktycznym zadaniu można zatem używać voyage-4 po obu stronach wyszukiwania lub stosować jego wektory zapytań z istniejącym indeksem dokumentów voyage-4-large, gdy ustawienia ich reprezentacji są zgodne.
Do wyszukiwania Voyage zaleca oznaczanie tekstu wejściowego jako zapytania lub dokumentu. Opcja roli wejścia dostarcza odpowiednią instrukcję wyszukiwania przed wektoryzacją. Przygotuj fragmenty korpusu jako dokumenty, a sformułowanie wyszukiwania użytkownika jako zapytanie, zachowując rzeczywisty tekst źródłowy i identyfikatory obok każdego zapisanego wektora.
Na przykład kolekcja do wyszukiwania wiedzy może indeksować instrukcje techniczne i objaśnienia produktów. Zapytanie o to, co dzieje się po nieudanym imporcie, powinno zwrócić fragment źródłowy opisujący to zachowanie. Zachowaj przy fragmencie nagłówki, istotne warunki i położenie w źródle, aby można było sprawdzić wynik wyszukiwania lub wykorzystać go w późniejszym etapie pisania odpowiedzi RAG. Osadzenie jest liczbową reprezentacją do wyszukiwania; właściwy fragment stanowi materiał dowodowy używany w tym późniejszym etapie.
Udokumentowane okno kontekstu na tekst wynosi 32 000 tokenów. Można wybrać 256, 512, 1024 lub 2048 wymiarów, przy domyślnej wartości 1024. Uczenie Matryoshka zapewnia te zagnieżdżone rozmiary reprezentacji. Wyjście może używać 32-bitowych liczb zmiennoprzecinkowych, 8-bitowych liczb całkowitych ze znakiem lub bez znaku albo pakowanych wartości binarnych, dzięki przygotowaniu rodziny uwzględniającemu kwantyzację.
Przy pakowanym wyjściu binarnym każdy zwrócony bajt przechowuje osiem bitów osadzenia, więc długość listy bajtów wynosi jedną ósmą wybranej liczby wymiarów. Liczba bajtów i liczba wymiarów osadzenia mają różne znaczenia. Wybierz reprezentację, którą indeks wyszukiwania potrafi interpretować, i przed wyborem konfiguracji skompresowanej sprawdź trafność kandydatów na pytaniach i językach rzeczywiście używanych w kolekcji.
Aktualny przewodnik producenta po osadzeniach tekstu dopuszcza do 1000 ciągów znaków i łącznie 320 000 tokenów w żądaniu voyage-4. Limit wsadu jest odrębny od okna 32 000 tokenów dla każdego wejścia. Obcinanie jest domyślnie włączone: zbyt długi tekst jest skracany do dopuszczalnego rozmiaru. Jeśli obcinanie zostanie wyłączone, zbyt długi element zamiast tego powoduje błąd.
W przypadku długiego raportu lub transkrypcji celowo przygotuj fragmenty zawierające odpowiedź, zamiast polegać na odcięciu na granicy wejścia. Powiąż każdy fragment z dokumentem nadrzędnym i wersją źródła. Zwykłe wejścia osadzeń voyage-4 to pojedyncze teksty; kontekstowe przetwarzanie grup fragmentów należy do osobno udokumentowanych modeli osadzeń kontekstowych.
Przechowuj wektory z tekstem fragmentów i trwałymi identyfikatorami źródeł, porównuj każdy wektor zapytania ze zgodnymi wektorami dokumentów i zwracaj kandydujące fragmenty. Publikacja przedstawiająca rodzinę ocenia wyszukiwanie w materiałach obejmujących dokumenty techniczne, rozmowy, długie dokumenty, kod, prawo, finanse i tekst internetowy. Osobny model ponownego rankingu może dopracować kandydatów, a późniejszy etap odpowiedzi może wykorzystać ich tekst. Oceniaj zwrócone fragmenty względem zadania; zgodność wspólnej przestrzeni umożliwia połączenie modeli, ale użyteczność wyniku nadal zależy od materiału źródłowego i pytania.
", "aboutText": "voyage-4 to średniej wielkości model osadzeń tekstu Voyage AI z rodziny Voyage 4. Zamienia tekst zapytań i dokumentów na wektory liczbowe do wyszukiwania ogólnego przeznaczenia i wielojęzycznego. Cechą definiującą rodzinę jest wspólna przestrzeń osadzeń: voyage-4, voyage-4-large, voyage-4-lite i voyage-4-nano tworzą zgodne reprezentacje, dzięki czemu strona zapytań i strona dokumentów w zadaniu wyszukiwania mogą używać różnych modeli z tej rodziny.\n\n### Wspólna przestrzeń i wyszukiwanie asymetryczne\n\nProducent nazywa stosowanie różnych modeli zapytań i korpusu wyszukiwaniem asymetrycznym. Jednym z udokumentowanych schematów jest przygotowanie korpusu za pomocą voyage-4-large i przeszukiwanie go przy użyciu osadzeń zapytań z voyage-4. Osadzenia korpusu tworzy się raz lub po zmianie jego materiału źródłowego, a wektory zapytań powstają wraz z kolejnymi wyszukiwaniami. Wspólna przestrzeń pozwala zmieniać model po stronie zapytań w obrębie rodziny bez konieczności ponownego tworzenia osadzeń korpusu wyłącznie z powodu tej zmiany.\n\nUtrzymuj zgodność liczby wymiarów wyjścia i reprezentacji między porównywanymi wektorami. Deklaracja wspólnej przestrzeni dotyczy nazwanych modeli tekstowych Voyage 4; nie potwierdza jej samo zwracanie tablic tej samej długości przez dwa niepowiązane modele. W praktycznym zadaniu można zatem używać voyage-4 po obu stronach wyszukiwania lub stosować jego wektory zapytań z istniejącym indeksem dokumentów voyage-4-large, gdy ustawienia ich reprezentacji są zgodne.\n\n### Role zapytania i dokumentu\n\nDo wyszukiwania Voyage zaleca oznaczanie tekstu wejściowego jako zapytania lub dokumentu. Opcja roli wejścia dostarcza odpowiednią instrukcję wyszukiwania przed wektoryzacją. Przygotuj fragmenty korpusu jako dokumenty, a sformułowanie wyszukiwania użytkownika jako zapytanie, zachowując rzeczywisty tekst źródłowy i identyfikatory obok każdego zapisanego wektora.\n\nNa przykład kolekcja do wyszukiwania wiedzy może indeksować instrukcje techniczne i objaśnienia produktów. Zapytanie o to, co dzieje się po nieudanym imporcie, powinno zwrócić fragment źródłowy opisujący to zachowanie. Zachowaj przy fragmencie nagłówki, istotne warunki i położenie w źródle, aby można było sprawdzić wynik wyszukiwania lub wykorzystać go w późniejszym etapie pisania odpowiedzi RAG. Osadzenie jest liczbową reprezentacją do wyszukiwania; właściwy fragment stanowi materiał dowodowy używany w tym późniejszym etapie.\n\n### Wymiary i typy danych wyjściowych\n\nUdokumentowane okno kontekstu na tekst wynosi 32 000 tokenów. Można wybrać 256, 512, 1024 lub 2048 wymiarów, przy domyślnej wartości 1024. Uczenie Matryoshka zapewnia te zagnieżdżone rozmiary reprezentacji. Wyjście może używać 32-bitowych liczb zmiennoprzecinkowych, 8-bitowych liczb całkowitych ze znakiem lub bez znaku albo pakowanych wartości binarnych, dzięki przygotowaniu rodziny uwzględniającemu kwantyzację.\n\nPrzy pakowanym wyjściu binarnym każdy zwrócony bajt przechowuje osiem bitów osadzenia, więc długość listy bajtów wynosi jedną ósmą wybranej liczby wymiarów. Liczba bajtów i liczba wymiarów osadzenia mają różne znaczenia. Wybierz reprezentację, którą indeks wyszukiwania potrafi interpretować, i przed wyborem konfiguracji skompresowanej sprawdź trafność kandydatów na pytaniach i językach rzeczywiście używanych w kolekcji.\n\n### Długość wejścia, przetwarzanie wsadowe i obcinanie\n\nAktualny przewodnik producenta po osadzeniach tekstu dopuszcza do 1000 ciągów znaków i łącznie 320 000 tokenów w żądaniu voyage-4. Limit wsadu jest odrębny od okna 32 000 tokenów dla każdego wejścia. Obcinanie jest domyślnie włączone: zbyt długi tekst jest skracany do dopuszczalnego rozmiaru. Jeśli obcinanie zostanie wyłączone, zbyt długi element zamiast tego powoduje błąd.\n\nW przypadku długiego raportu lub transkrypcji celowo przygotuj fragmenty zawierające odpowiedź, zamiast polegać na odcięciu na granicy wejścia. Powiąż każdy fragment z dokumentem nadrzędnym i wersją źródła. Zwykłe wejścia osadzeń voyage-4 to pojedyncze teksty; kontekstowe przetwarzanie grup fragmentów należy do osobno udokumentowanych modeli osadzeń kontekstowych.\n\n### Wykorzystuj wynik wyszukiwania\n\nPrzechowuj wektory z tekstem fragmentów i trwałymi identyfikatorami źródeł, porównuj każdy wektor zapytania ze zgodnymi wektorami dokumentów i zwracaj kandydujące fragmenty. Publikacja przedstawiająca rodzinę ocenia wyszukiwanie w materiałach obejmujących dokumenty techniczne, rozmowy, długie dokumenty, kod, prawo, finanse i tekst internetowy. Osobny model ponownego rankingu może dopracować kandydatów, a późniejszy etap odpowiedzi może wykorzystać ich tekst. Oceniaj zwrócone fragmenty względem zadania; zgodność wspólnej przestrzeni umożliwia połączenie modeli, ale użyteczność wyniku nadal zależy od materiału źródłowego i pytania.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "98de559c9ac3eb701274ab62b81f6f375e7314efa067725a96b3731c41f074e2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "voyageai/voyage-4voyage-4 tworzy osadzenia tekstu do wyszukiwania ogólnego przeznaczenia i wielojęzycznego we wspólnej przestrzeni wektorowej rodziny Voyage 4. Obsługuje wejścia do 32 000 tokenów, wybieralne wyjścia o 256–2048 wymiarach oraz role query/document do wyszukiwania i RAG.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
voyage-4 to średniej wielkości model osadzeń tekstu Voyage AI z rodziny Voyage 4. Zamienia tekst zapytań i dokumentów na wektory liczbowe do wyszukiwania ogólnego przeznaczenia i wielojęzycznego. Cechą definiującą rodzinę jest wspólna przestrzeń osadzeń: voyage-4, voyage-4-large, voyage-4-lite i voyage-4-nano tworzą zgodne reprezentacje, dzięki czemu strona zapytań i strona dokumentów w zadaniu wyszukiwania mogą używać różnych modeli z tej rodziny.
Producent nazywa stosowanie różnych modeli zapytań i korpusu wyszukiwaniem asymetrycznym. Jednym z udokumentowanych schematów jest przygotowanie korpusu za pomocą voyage-4-large i przeszukiwanie go przy użyciu osadzeń zapytań z voyage-4. Osadzenia korpusu tworzy się raz lub po zmianie jego materiału źródłowego, a wektory zapytań powstają wraz z kolejnymi wyszukiwaniami. Wspólna przestrzeń pozwala zmieniać model po stronie zapytań w obrębie rodziny bez konieczności ponownego tworzenia osadzeń korpusu wyłącznie z powodu tej zmiany.
Utrzymuj zgodność liczby wymiarów wyjścia i reprezentacji między porównywanymi wektorami. Deklaracja wspólnej przestrzeni dotyczy nazwanych modeli tekstowych Voyage 4; nie potwierdza jej samo zwracanie tablic tej samej długości przez dwa niepowiązane modele. W praktycznym zadaniu można zatem używać voyage-4 po obu stronach wyszukiwania lub stosować jego wektory zapytań z istniejącym indeksem dokumentów voyage-4-large, gdy ustawienia ich reprezentacji są zgodne.
Do wyszukiwania Voyage zaleca oznaczanie tekstu wejściowego jako zapytania lub dokumentu. Opcja roli wejścia dostarcza odpowiednią instrukcję wyszukiwania przed wektoryzacją. Przygotuj fragmenty korpusu jako dokumenty, a sformułowanie wyszukiwania użytkownika jako zapytanie, zachowując rzeczywisty tekst źródłowy i identyfikatory obok każdego zapisanego wektora.
Na przykład kolekcja do wyszukiwania wiedzy może indeksować instrukcje techniczne i objaśnienia produktów. Zapytanie o to, co dzieje się po nieudanym imporcie, powinno zwrócić fragment źródłowy opisujący to zachowanie. Zachowaj przy fragmencie nagłówki, istotne warunki i położenie w źródle, aby można było sprawdzić wynik wyszukiwania lub wykorzystać go w późniejszym etapie pisania odpowiedzi RAG. Osadzenie jest liczbową reprezentacją do wyszukiwania; właściwy fragment stanowi materiał dowodowy używany w tym późniejszym etapie.
Udokumentowane okno kontekstu na tekst wynosi 32 000 tokenów. Można wybrać 256, 512, 1024 lub 2048 wymiarów, przy domyślnej wartości 1024. Uczenie Matryoshka zapewnia te zagnieżdżone rozmiary reprezentacji. Wyjście może używać 32-bitowych liczb zmiennoprzecinkowych, 8-bitowych liczb całkowitych ze znakiem lub bez znaku albo pakowanych wartości binarnych, dzięki przygotowaniu rodziny uwzględniającemu kwantyzację.
Przy pakowanym wyjściu binarnym każdy zwrócony bajt przechowuje osiem bitów osadzenia, więc długość listy bajtów wynosi jedną ósmą wybranej liczby wymiarów. Liczba bajtów i liczba wymiarów osadzenia mają różne znaczenia. Wybierz reprezentację, którą indeks wyszukiwania potrafi interpretować, i przed wyborem konfiguracji skompresowanej sprawdź trafność kandydatów na pytaniach i językach rzeczywiście używanych w kolekcji.
Aktualny przewodnik producenta po osadzeniach tekstu dopuszcza do 1000 ciągów znaków i łącznie 320 000 tokenów w żądaniu voyage-4. Limit wsadu jest odrębny od okna 32 000 tokenów dla każdego wejścia. Obcinanie jest domyślnie włączone: zbyt długi tekst jest skracany do dopuszczalnego rozmiaru. Jeśli obcinanie zostanie wyłączone, zbyt długi element zamiast tego powoduje błąd.
W przypadku długiego raportu lub transkrypcji celowo przygotuj fragmenty zawierające odpowiedź, zamiast polegać na odcięciu na granicy wejścia. Powiąż każdy fragment z dokumentem nadrzędnym i wersją źródła. Zwykłe wejścia osadzeń voyage-4 to pojedyncze teksty; kontekstowe przetwarzanie grup fragmentów należy do osobno udokumentowanych modeli osadzeń kontekstowych.
Przechowuj wektory z tekstem fragmentów i trwałymi identyfikatorami źródeł, porównuj każdy wektor zapytania ze zgodnymi wektorami dokumentów i zwracaj kandydujące fragmenty. Publikacja przedstawiająca rodzinę ocenia wyszukiwanie w materiałach obejmujących dokumenty techniczne, rozmowy, długie dokumenty, kod, prawo, finanse i tekst internetowy. Osobny model ponownego rankingu może dopracować kandydatów, a późniejszy etap odpowiedzi może wykorzystać ich tekst. Oceniaj zwrócone fragmenty względem zadania; zgodność wspólnej przestrzeni umożliwia połączenie modeli, ale użyteczność wyniku nadal zależy od materiału źródłowego i pytania.
POST /v1/embeddingstext, token_idsembedding| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity voyageai/voyage-4 | Domyślnie— |
Poleinput | Typstring|string[]|integer[]|integer[][] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 32 000 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów | Domyślnie— |
Poleencoding_format | Typstring | WymaganieOpcjonalne | Wartości i limity float | Domyślniefloat |
Poledimensions | Typinteger | WymaganieNieobsługiwane | Wartości i limity Minimum: 1 | Domyślnie— |
Poleuser | Typjson_value | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
Polesession_id | Typjson_value | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
Poletrace | Typjson_value | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: Odrzucono provider.options | Domyślnie— |
text_to_embedding
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input |
Parametrinput_shapes | Kontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametrencoding_format | Kontraktfloat |
Parametrdimensions_override | Kontraktfalse |
Parametrmax_input_budget_units | Kontrakt32000 |
Parametrmultimodal_objects | Kontraktfalse |
Parametrmaterial_types | Kontrakttext, token_ids |
Cykl życia: synchronous_json
Zachowaj indeks i liczbę wymiarów każdego wektora.
Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.00012 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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", "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\nfrom 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',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów.
Nie wprowadzono endpointu zadań generowania osadzeń.
| Pole | Typ |
|---|---|
Poleobject | Typstring |
Polemodel | Typstring |
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[] |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra voyageai/voyage-4
Użyj ścieżek metod podanych powyżej.