Voyage AI提供最先进的嵌入和重新排名模型。MongoDB 的 Embedding and Reranking API 提供对最新 Voyage AI 模型的访问权限。本页介绍可用模型以及何时使用这些模型。
对于文本嵌入，我们建议：
voyage-4-large以获得最佳质量voyage-4-lite以实现最低的延迟和费用voyage-4在质量和性能之间取得平衡如果您的应用程序位于列出的域之一，则为 特定于域的模型。
对于其他使用案例，我们建议：
voyage-multimodal-3.5用于文本、图像和视频嵌入voyage-context-4用于数据块级和文档级检索任务rerank-2.5用于为大多数应用程序添加重新排名功能rerank-2.5-lite用于为延迟敏感的应用程序添加重新排名功能
文本嵌入
Voyage AI提供以下文本嵌入模型来捕获文本的语义。
有关详细信息和示例用法，请参阅文本嵌入。
通用模型
对于大多数AI搜索和检索应用程序，请使用以下模型。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 32,000 tokens | 1024（默认）、256、512、2048 | 最佳的通用和多语言检索质量。使用 4 系列创建的所有嵌入都彼此兼容。 要学习；了解更多信息，请参阅博客文章。。 |
| 32,000 tokens | 1024（默认）、256、512、2048 | 针对通用和多语言检索质量进行了优化。使用 4 系列创建的所有嵌入都彼此兼容。 要学习；了解更多信息，请参阅博客文章。。 |
| 32,000 tokens | 1024（默认）、256、512、2048 | 针对延迟和费用进行了优化。使用 4 系列创建的所有嵌入都彼此兼容。 要学习；了解更多信息，请参阅博客文章。。 |
特定领域模型
将以下模型用于专门领域，以实现更高的准确性。
开放模型
Voyage 还提供以下开放权重模型。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 32,000 tokens | 512（默认）、128、256 | Hushing Face 上提供了开放权重模型。使用4 系列创建的所有嵌入都彼此兼容 要学习；了解更多信息，请参阅博客文章。。 |
最新模型在质量、上下文长度、延迟和吞吐量等各个方面都比旧版模型表现更好。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 32,000 tokens | 1024（默认）、256、512、2048 | 上一个一代文本嵌入，可实现通用和多语言检索质量。 要学习；了解更多信息，请参阅博客文章。。 |
| 32,000 tokens | 1024（默认）、256、512、2048 | 上一个一代文本嵌入针对通用和多语言检索质量进行了优化。 要学习；了解更多信息，请参阅博客文章。。 |
| 32,000 tokens | 1024（默认）、256、512、2048 | 上一个一代文本嵌入针对延迟和费用进行了优化。 要学习；了解更多信息，请参阅博客文章。。 |
| 32,000 tokens | 1024（默认）、256、512、2048 | 上一个世代代码嵌入，针对代码检索和文档进行优化。 要学习；了解更多信息，请参阅博客文章。。 |
| 16,000 tokens | 1536 | 针对代码检索进行了优化（比替代方案好 17%）。上一个一代代码嵌入。 要学习；了解更多信息，请参阅博客文章。。 |
上下文化数据块嵌入
Voyage AI提供以下模型，这些模型可生成嵌入，同时结合周围的上下文，从而提高检索准确性。
有关详细信息和示例用法，请参阅上下文化数据块嵌入。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 120,000 tokens * | 1024（默认）、256、512、2048 | 针对通用和多语言检索质量优化的上下文化数据块嵌入。 |
注意
* 如果为 enable_auto_chunk = true，则所有输入的词元总数不得超过 120K；否则，不得超过 32K。
最新模型在质量、上下文长度、延迟和吞吐量等各个方面都比旧版模型表现更好。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 120,000 tokens * | 1024（默认）、256、512、2048 | 针对通用和多语言检索质量优化的上下文化数据块嵌入。 要学习更多信息，请参阅博客文章。 |
多模态嵌入
Voyage AI提供以下用于进程文本、图像和视频的嵌入模型。
有关详细信息和示例用法，请参阅多模态嵌入。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 32,000 tokens | 1024（默认）、256、512、2048 | 丰富的多模态嵌入模型，可以矢量化交错的文本和视觉数据，例如 PDF 的屏幕截图、幻灯片、表格、数字、视频等。 要学习；了解更多信息，请参阅博客文章。。 |
最新模型在质量、上下文长度、延迟和吞吐量等各个方面都比旧版模型表现更好。
模型 | 上下文长度 | 维度 | 说明 |
|---|---|---|---|
| 32,000 tokens | 1024 | 将文本和图像处理为统一的嵌入。支持从 50、000 到 2 百万像素的图像。 要学习；了解更多信息，请参阅博客文章。。 |
重排序器
Voyage AI提供以下重新排名模型来优化搜索结果。
有关详细信息和示例用法，请参阅重排序。
模型和地理位置
注意
公开预览版
The Europe Geography and its endpoint, eu.ai.mongodb.com, are available as a Public Preview feature. The feature and the corresponding documentation might change at any time during the Preview period.
Scoped endpoints don't serve every Voyage AI model. The Supported Endpoints column of the model tables lists All for models that every endpoint serves, and ai.mongodb.com for models that only the unscoped endpoint serves.
To check which endpoints serve a given model, see Model Deprecations, Lifecycle States, and Support.
To learn about Geographies and their endpoints, see Geographies for Voyage AI Inference.
定价
模型定价基于使用量，费用计入与用于访问权限的API密钥关联的Atlas帐户。所有型号均包含免费套餐。为大多数模型提供 200 百万个免费令牌，为专用模型提供 50 百万个令牌。
定价基于文档和查询中的令牌数量。免费套餐包括适用于大多数模型的 200 百万个令牌，以及适用于以下专用模型的 50 百万个令牌：voyage-finance-2、voyage-law-2、voyage-code-2。
模型 | Price per 1K tokens | Price per 1M tokens | 免费令牌 |
|---|---|---|---|
| $ 0.00012 | $ 0.12 | 200 百万 |
| $ 0.00006 | $ 0.06 | 200 百万 |
| $ 0.00002 | $ 0.02 | 200 百万 |
| $ 0.00012 | $ 0.12 | 200 百万 |
| $ 0.00012 | $ 0.12 | 50 百万 |
定价基于文本标记和图像像素。免费套餐包括用于多模式模型的 200 万个文本令牌和 150 十亿个像素。图像的处理量介于 50、000 像素（最小）到 2 百万像素（最大）之间，每张图像的成本从 0.00003 美元到 0.0012 美元不等。出于定价目的，每个视频帧都被视为一张图像。
注意
少于 50,000 像素的图像将作为 50,000 像素图像进行放大和处理并计费。包含超过 2 百万像素的图像将进行下采样，并作为 2 百万像素图像收费。
模型 | Price per 1M tokens | Price per 1B pixels | 免费层 |
|---|---|---|---|
| $ 0.12 | $ 0.60 | 200M 个词元，150B 个像素 |
图像分辨率 | 像素数 | 每张图片的价格 | Price per 1K images |
|---|---|---|---|
200px × 200px | 40 , 000 | $ 0.00003 | $ 0.03 |
1000px × 1000px | 1 百万 | $ 0.0006 | $ 0.60 |
2000px × 2000px | 4 百万 | $ 0.0012 | $ 1.20 |
4000px × 4000px | 16 百万 | $ 0.0012 | $ 1.20 |
例子
使用 1、000 文本标记对单个输入进行向量化的费用($0.00012)两张 4 百万像素图像 (2 × $0.0012) 的价格为 $0.00252。
定价基于已处理的令牌总数，计算公式为 (query tokens × number of documents) + sum of tokens in all documents。免费套餐包括用于最新重排序模型的 200 万个令牌。
模型 | Price per 1K tokens | Price per 1M tokens | Est. price per request* | 免费令牌 |
|---|---|---|---|---|
| $ 0.00005 | $ 0.05 | $ 0.0025 | 200 百万 |
| $ 0.00002 | $ 0.02 | $ 0.001 | 200 百万 |
| $ 0.00005 | $ 0.05 | $ 0.0025 | 0 |
| $ 0.00002 | $ 0.02 | $ 0.001 | 0 |
* 估算价格假定每个请求100 个文档，查询令牌和每个文档令牌的总和总计为 500。