Para agentes de IA: hay un índice de documentación disponible en https://www.mongodb.com/es/docs/llms.txt — versiones en markdown de todas las páginas están disponibles agregando .md a cualquier ruta URL.
Docs Menu

Embeddings de fragmentos contextualizados

voyage-context-4 es un modelo de incrustación de fragmentos contextualizados que produce vectores para fragmentos que capturan el contexto completo del documento sin necesidad de añadir metadatos ni contexto manualmente. Esto conduce a mayores precisiones de recuperación que con o sin aumentación. El modelo también es más simple, rápido y económico. Sirve como un reemplazo directo para las incrustaciones estándar sin cambios en el flujo de trabajo aguas abajo y reduce la sensibilidad a las estrategias de fragmentación.

Para obtener más información, consulte la entrada de blog.

Modelo
Longitud del contexto
dimensión
Descripción

voyage-context-4

120,000 tokens *

1024 (por defecto), 256, 512, 2048

Embeddings de fragmentos contextualizados optimizados para calidad de recuperación general y multilingüe.

Nota

* El número total de tokens en todas las entradas no debe exceder los 120K si enable_auto_chunk = true; de lo contrario, no deben exceder los 32K.

Los siguientes modelos antiguos aún son accesibles a través de la API, pero recomendamos usar los modelos nuevos para obtener una mejor calidad y eficiencia.

Los últimos modelos superan en rendimiento a los modelos heredados en todos los aspectos, como calidad, longitud de contexto, latencia y rendimiento.

Modelo
Longitud del contexto
dimensión
Descripción

voyage-context-3

120,000 tokens *

1024 (por defecto), 256, 512, 2048

Embeddings de fragmentos contextualizados optimizados para calidad de recuperación general y multilingüe.

Para conocer más, consulta la entrada de blog.

Para un tutorial sobre el uso de embeddings de fragmentos contextualizados, consulta Búsqueda semántica con los embeddings de Voyage AI.