Voyage 3 Large 是用於在文件集合中尋找相關資訊的文字嵌入模型。它將各份輸入文字表示為數值向量，讓應用程式能把搜尋請求與用字可能不同、但含義相關的段落對照。Voyage AI 將這個版本定位於通用與多語檢索，涵蓋技術文件、對話及長篇文件等素材。
依人們實際需要找回的資訊建立可搜尋集合。產品知識庫應將功能解釋與先決條件及相關例外保留在一起。會議紀錄應保留說話者標籤及足以理解主題的周邊討論。在有用的邊界分割大型來源，並將來源標題、文件識別碼及段落位置與各個向量一併保存。
將搜尋問題準備為查詢，將索引素材準備為文件。在開發商的文字嵌入流程中，輸入型別提供文字的檢索角色。例如，「會員遺失安全金鑰後如何恢復存取？」這樣的查詢，即使與說明復原程序的客服段落用字不同，也能進行對照。保留原始段落，讓搜尋結果顯示匹配背後的證據。
模型具有 32,000 個 token 的上下文視窗。較長輸入可保留完整章節，但整份文件不一定是最有用的搜尋單位。涵蓋過廣的向量可能指向正確檔案，卻仍要讀者自行尋找精確答案。依預定顯示的結果選擇段落邊界，並將標題、適用條件與定義和其解釋的內容保留在一起。
Voyage 3 Large 支援 2,048、1,024、512 或 256 維向量。開發商也記載浮點、帶符號或無符號八位元，以及二進位表示。這些選擇讓檢索系統能比較向量細節、索引大小與搜尋行為。選擇預定向量儲存系統支援的格式，再用實際語料與代表性問題評估，之後才決定正式索引設定。
多語搜尋中，加入使用者所用語言的測試問題，並以原文檢閱擷取的來源段落。共用搜尋介面可服務多個語言集合，而文件中繼資料仍識別來源語系與版本。擷取時保留有意義的名稱、縮寫及領域術語，不要在嵌入前用通用摘要替換。
使用向量為搜尋頁面、知識助理或文件選擇步驟擷取候選段落。索引集合與查詢應使用相同模型及向量設定。替換嵌入模型或更改向量維度時，應有意識地重建並比較受影響索引；單憑向量長度無法識別其生成方式。
以檢索是否有用評估結果：正確段落是否出現、相近但誤導的段落是否排在其前面，以及顯示的摘錄是否含有答案。保留一小組附預期來源的真實問題，包括含糊用字及近似重複文件。嵌入提供可搜尋的表示；應用程式保留將匹配轉成可用結果所需的來源文字、權限與連結。
", "aboutText": "Voyage 3 Large 是用於在文件集合中尋找相關資訊的文字嵌入模型。它將各份輸入文字表示為數值向量，讓應用程式能把搜尋請求與用字可能不同、但含義相關的段落對照。Voyage AI 將這個版本定位於通用與多語檢索，涵蓋技術文件、對話及長篇文件等素材。\n\n依人們實際需要找回的資訊建立可搜尋集合。產品知識庫應將功能解釋與先決條件及相關例外保留在一起。會議紀錄應保留說話者標籤及足以理解主題的周邊討論。在有用的邊界分割大型來源，並將來源標題、文件識別碼及段落位置與各個向量一併保存。\n\n將搜尋問題準備為查詢，將索引素材準備為文件。在開發商的文字嵌入流程中，輸入型別提供文字的檢索角色。例如，「會員遺失安全金鑰後如何恢復存取？」這樣的查詢，即使與說明復原程序的客服段落用字不同，也能進行對照。保留原始段落，讓搜尋結果顯示匹配背後的證據。\n\n模型具有 32,000 個 token 的上下文視窗。較長輸入可保留完整章節，但整份文件不一定是最有用的搜尋單位。涵蓋過廣的向量可能指向正確檔案，卻仍要讀者自行尋找精確答案。依預定顯示的結果選擇段落邊界，並將標題、適用條件與定義和其解釋的內容保留在一起。\n\nVoyage 3 Large 支援 2,048、1,024、512 或 256 維向量。開發商也記載浮點、帶符號或無符號八位元，以及二進位表示。這些選擇讓檢索系統能比較向量細節、索引大小與搜尋行為。選擇預定向量儲存系統支援的格式，再用實際語料與代表性問題評估，之後才決定正式索引設定。\n\n多語搜尋中，加入使用者所用語言的測試問題，並以原文檢閱擷取的來源段落。共用搜尋介面可服務多個語言集合，而文件中繼資料仍識別來源語系與版本。擷取時保留有意義的名稱、縮寫及領域術語，不要在嵌入前用通用摘要替換。\n\n使用向量為搜尋頁面、知識助理或文件選擇步驟擷取候選段落。索引集合與查詢應使用相同模型及向量設定。替換嵌入模型或更改向量維度時，應有意識地重建並比較受影響索引；單憑向量長度無法識別其生成方式。\n\n以檢索是否有用評估結果：正確段落是否出現、相近但誤導的段落是否排在其前面，以及顯示的摘錄是否含有答案。保留一小組附預期來源的真實問題，包括含糊用字及近似重複文件。嵌入提供可搜尋的表示；應用程式保留將匹配轉成可用結果所需的來源文字、權限與連結。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "03e7dae5d18eb577d9e23a4b44cdb019228981f973cd892ec4929d0ebc47cd91", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "zh-hant-tw", "methods": [ { "html": "voyage-3-largeVoyage 3 Large 將文字轉成向量，用於通用與多語檢索。其 32,000 個 token 的輸入視窗、可選向量維度與量化格式，支援可搜尋知識庫、文件探索及檢索增強生成。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Voyage 3 Large 是用於在文件集合中尋找相關資訊的文字嵌入模型。它將各份輸入文字表示為數值向量，讓應用程式能把搜尋請求與用字可能不同、但含義相關的段落對照。Voyage AI 將這個版本定位於通用與多語檢索，涵蓋技術文件、對話及長篇文件等素材。
依人們實際需要找回的資訊建立可搜尋集合。產品知識庫應將功能解釋與先決條件及相關例外保留在一起。會議紀錄應保留說話者標籤及足以理解主題的周邊討論。在有用的邊界分割大型來源，並將來源標題、文件識別碼及段落位置與各個向量一併保存。
將搜尋問題準備為查詢，將索引素材準備為文件。在開發商的文字嵌入流程中，輸入型別提供文字的檢索角色。例如，「會員遺失安全金鑰後如何恢復存取？」這樣的查詢，即使與說明復原程序的客服段落用字不同，也能進行對照。保留原始段落，讓搜尋結果顯示匹配背後的證據。
模型具有 32,000 個 token 的上下文視窗。較長輸入可保留完整章節，但整份文件不一定是最有用的搜尋單位。涵蓋過廣的向量可能指向正確檔案，卻仍要讀者自行尋找精確答案。依預定顯示的結果選擇段落邊界，並將標題、適用條件與定義和其解釋的內容保留在一起。
Voyage 3 Large 支援 2,048、1,024、512 或 256 維向量。開發商也記載浮點、帶符號或無符號八位元，以及二進位表示。這些選擇讓檢索系統能比較向量細節、索引大小與搜尋行為。選擇預定向量儲存系統支援的格式，再用實際語料與代表性問題評估，之後才決定正式索引設定。
多語搜尋中，加入使用者所用語言的測試問題，並以原文檢閱擷取的來源段落。共用搜尋介面可服務多個語言集合，而文件中繼資料仍識別來源語系與版本。擷取時保留有意義的名稱、縮寫及領域術語，不要在嵌入前用通用摘要替換。
使用向量為搜尋頁面、知識助理或文件選擇步驟擷取候選段落。索引集合與查詢應使用相同模型及向量設定。替換嵌入模型或更改向量維度時，應有意識地重建並比較受影響索引；單憑向量長度無法識別其生成方式。
以檢索是否有用評估結果：正確段落是否出現、相近但誤導的段落是否排在其前面，以及顯示的摘錄是否含有答案。保留一小組附預期來源的真實問題，包括含糊用字及近似重複文件。嵌入提供可搜尋的表示；應用程式保留將匹配轉成可用結果所需的來源文字、權限與連結。
POST /v1/embeddingstextembedding| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 voyage-3-large 條件: 請使用完全相符的 Ailoot 模型選擇值。 | 預設值— |
欄位input | 類型string or array<string> | 要求必填 | 值與限制 條件: 一段文字或文字清單；請為每個回傳的資料項目及其索引保留對應的向量。 | 預設值— |
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input |
參數optional | 規格 |
參數material_types | 規格text |
參數conditions | 規格請使用所選模型傳送文字；保留每個回傳的向量及其索引。 |
生命週期： synchronous
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > request.json <<'JSON'\n{\n "model": "voyage-3-large",\n "input": "The quick brown fox jumps over the lazy dog"\n}\nJSON\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 embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\nAiloot Ultra voyage-3-large
請使用上方列出的 API 方法路徑。