voyage-context-4 는 수동 메타데이터 및 컨텍스트 보강 없이 전체 문서 컨텍스트를 캡처하는 청크에 대한 벡터를 생성하는 컨텍스트화된 청크 임베딩 모델입니다. 이를 통해 기능 보강 유무에 관계없이 검색 정확도가 향상됩니다. 이 모델은 또한 더 간단하고, 빠르며, 저렴합니다. 다운스트림 워크플로를 변경하지 않고 표준 임베딩을 바로 대체하는 역할을 하며 청크 전략 민감도를 줄입니다.
사용 가능한 모델
모델 | 컨텍스트 길이 | 차원 | 설명 |
|---|---|---|---|
| 120,000 tokens * | 1024 (기본값), 256, 512, 2048 | 범용 및 다국어 검색 품질에 최적화된 상황별 청크 임베딩입니다. |
참고
* 모든 입력의 총 토큰 수는 enable_auto_chunk = true일 경우 120K를 초과할 수 없습니다. 그렇지 않으면 32K를 초과할 수 없습니다.
최신 모델은 품질, 컨텍스트 길이, 지연 시간, 처리량 등 모든 측면에서 레거시 모델보다 더 나은 성능을 발휘합니다.
모델 | 컨텍스트 길이 | 차원 | 설명 |
|---|---|---|---|
| 120,000 tokens * | 1024 (기본값), 256, 512, 2048 | 범용 및 다국어 검색 품질에 최적화된 상황별 청크 임베딩입니다. 자세한 학습 은 블로그 포스트참조하세요. |
튜토리얼
상황별 청크 임베딩 사용에 대한 튜토리얼은 Voyage AI 임베딩을 사용한 시맨틱 검색을 참조하세요.