हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
mongodb/voyage-4-largeऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
MongoDB द्वारा VoyageAI: voyage-4-large, MongoDB द्वारा VoyageAI का एक सामान्य-उद्देश्य और बहुभाषी embedding मॉडल है। यह embeddings श्रेणी में आता है, इसलिए इसका काम चैट प्रतिक्रियाएँ उत्पन्न करने के बजाय टेक्स्ट को वेक्टर प्रतिनिधित्व में बदलना है। इसे retrieval गुणवत्ता के लिए बनाया गया है, जो इसे खोज और retrieval प्रणालियों के लिए स्वाभाविक रूप से उपयुक्त बनाता है, जहाँ वेक्टर प्रतिनिधित्व की गुणवत्ता सीधे तौर पर प्रभावित करती है कि क्या प्राप्त किया जाता है।
मॉडल इनपुट के रूप में टेक्स्ट स्वीकार करता है और आउटपुट के रूप में embeddings लौटाता है। इसकी context length 32,000 tokens है और अधिकतम आउटपुट 28,800 है। इसका डिज़ाइन Matryoshka learning और quantization-aware training द्वारा सक्षम किया गया है, और यह embeddings का समर्थन करता है। चूँकि यह बहुभाषी और सामान्य-उद्देश्य है, इसे अलग मॉडल पर स्विच किए बिना एक से अधिक भाषाओं के टेक्स्ट पर लागू किया जा सकता है।
व्यावहारिक उपयोग के मामले इन गुणों से निकलते हैं। Retrieval प्राथमिक है: दस्तावेज़ों, अंशों या रिकॉर्ड्स को अनुक्रमित करना और क्वेरीज़ को embed करना ताकि एक खोज परत परिणामों को semantic similarity के आधार पर रैंक कर सके। बहुभाषी संग्रह अच्छी तरह फिट बैठते हैं, क्योंकि वही मॉडल भाषाओं में सामग्री और क्वेरीज़ को embed कर सकता है। Matryoshka learning का मतलब है कि embeddings को विभिन्न truncation स्तरों पर उपयोग किया जा सकता है, जो तब उपयोगी होता है जब आपको एक वेक्टर इंडेक्स में retrieval गुणवत्ता के मुकाबले भंडारण या विलंबता का व्यापार करना हो। Quantization-aware training तब मायने रखता है जब embeddings संपीड़ित रूप में संग्रहीत होते हैं, क्योंकि यह गुणवत्ता को पूर्ण परिशुद्धता वाले वेक्टर के करीब रखता है।
आप मॉडल को api14 के OpenAI-संगत API के माध्यम से मॉडल id "mongodb/voyage-4-large" का उपयोग करके कॉल करते हैं। चूँकि endpoint OpenAI प्रारूप का पालन करता है, आप एक मौजूदा OpenAI क्लाइंट को api14 पर इंगित कर सकते हैं और सामान्य तरीके से embedding अनुरोध भेज सकते हैं, जिसमें मॉडल id अनुरोध बॉडी में होता है। मॉडल कोई अतिरिक्त अनुरोध पैरामीटर समर्थित नहीं करता है, इसलिए अनुरोध सरल रहते हैं: मॉडल id और इनपुट टेक्स्ट ही मायने रखते हैं। पृष्ठ की लाइव मूल्य तालिका वर्तमान दरें दिखाती है।
ध्यान में रखने योग्य एक सीमा यह है कि यह एक embeddings मॉडल है, टेक्स्ट जनरेटर नहीं। यदि आपको चैट पूर्णताएँ, तर्क, टूल कॉलिंग या कोई भी उत्पन्न टेक्स्ट आउटपुट चाहिए, तो एक अलग मॉडल सही विकल्प है। Voyage-4-large वेक्टर उत्पन्न करने के लिए है, और इसका 32,000 token context सीमित करता है कि एक ही embedding अनुरोध में कितना टेक्स्ट जा सकता है।
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-large",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। VoyageAI by MongoDB: voyage-4-large के बारे में पहला टॉपिक खोलें।