Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.
mongodb/voyage-4Läuft über Ihr Guthaben zu den oben genannten Preisen. Neue Konten starten mit kostenloser Nutzung.
Einstellungen
VoyageAI by MongoDB: voyage-4 ist ein Embedding-Modell von VoyageAI by MongoDB. Es gehört zur Kategorie der Embeddings, was bedeutet, dass seine Aufgabe darin besteht, Text in Vektordarstellungen umzuwandeln, anstatt Chat-Antworten zu generieren. Es ist ein Allzweckmodell und wurde entwickelt, um mehrsprachige Inhalte sowie Englisch zu verarbeiten. Wenn Ihre Anwendung von semantischer Ähnlichkeit, Retrieval oder Suchqualität abhängt, ist dies die Modellklasse, die Sie evaluieren würden.
Das Modell akzeptiert Text als Eingabe und gibt Embeddings als Ausgabe zurück. Seine Kontextlänge beträgt 32.000 Token, und seine maximale Ausgabe beträgt 28.800. Da die Ausgabe ein Vektor und keine Prosa ist, werden Sie es nicht für Konversation, Zusammenfassung oder Codegenerierung verwenden. Stattdessen senden Sie ihm Text und erhalten die numerische Darstellung, die nachgelagerte Systeme für Vergleich und Ranking nutzen. Die Mehrsprachigkeitsunterstützung bedeutet, dass dasselbe Modell für Inhalte in verschiedenen Sprachen verwendet werden kann, ohne für jede einzelne auf ein separates Embedding-Modell umsteigen zu müssen.
Die praktischen Einsatzmöglichkeiten ergeben sich direkt aus dieser Form. Retrieval und Suche sind die primären Ziele, daher eignet sich voyage-4 für semantische Suche über eine Dokumentensammlung, Retrieval-Augmented-Generation-Pipelines, bei denen Sie relevante Passagen abrufen müssen, bevor Sie sie an ein Sprachmodell übergeben, und KI-Anwendungen, die auf Ähnlichkeit zwischen Abfragen und gespeicherten Inhalten beruhen. Mehrsprachiges Retrieval passt ebenfalls natürlich, da Abfragen und Dokumente nicht in derselben Sprache verfasst sein müssen, damit die Embeddings nützlich sind. Clustering, Deduplizierung und Matching im Empfehlungsstil sind ebenfalls sinnvolle Anwendungen, da sie alle auf den Vergleich von Embeddings hinauslaufen.
Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "mongodb/voyage-4" auf. Da die Schnittstelle dem OpenAI-Format folgt, können Sie einen vorhandenen OpenAI-Client auf api14 ausrichten und Embedding-Anfragen senden, ohne Ihre Integration neu zu schreiben. Das Modell listet keine unterstützten Parameter über die Standard-Anfragefelder hinaus auf, halten Sie Ihre Anfragen daher einfach und gehen Sie nicht von Tuning-Optionen aus, die nicht Teil der Schnittstelle sind. Die Modell-ID ist der Wert, den Sie in die Anfrage einsetzen, um dieses spezifische Modell auszuwählen.
Eines sollten Sie beim Umfang beachten. Dies ist ein Embeddings-Modell, wenn Sie also Textgenerierung, Reasoning oder Tool-Nutzung benötigen, ist ein Chat- oder Completion-Modell die bessere Wahl. Der Kontext von 32.000 Token und die maximale Ausgabe von 28.800 beschreiben die Embedding-Arbeitslast, nicht ein Chat-Budget. Verwenden Sie voyage-4, wenn die Aufgabe Repräsentation und Retrieval ist, und greifen Sie zu einem generativen Modell, wenn die Aufgabe darin besteht, Text zu erzeugen.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "mongodb/voyage-4",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
In dieser Community gibt es noch keine Themen. Eröffnen Sie das erste zu VoyageAI by MongoDB: voyage-4.