Kami menggunakan cookie. Cookie dan penyimpanan browser menjaga Anda tetap masuk dan mengingat preferensi Anda. Dengan izin Anda, kami juga mengukur cara situs digunakan. Anda dapat kapan saja. Lihat kebijakan cookie kami.
mongodb/voyage-4-liteBerjalan dengan saldo Anda sesuai harga di atas. Akun baru mendapat pemakaian gratis.
Pengaturan
VoyageAI oleh MongoDB: voyage-4-lite adalah model embedding serbaguna yang ringan dari VoyageAI oleh MongoDB. Model ini berada dalam kategori embeddings, jadi tugasnya adalah mengubah teks menjadi representasi vektor, bukan menghasilkan respons chat. Model ini dibangun untuk latensi dan biaya rendah, yang menjadikannya pilihan default yang wajar ketika Anda membutuhkan embedding dalam volume besar dan tidak ingin model yang lebih berat berada di jalur permintaan. Model ini dirilis oleh penyedia pada 2026-07-27.
Model ini menerima teks sebagai input dan menghasilkan embedding sebagai output. Panjang konteksnya adalah 32000 token, dan output maksimumnya adalah 28800. Penyedia mencatat bahwa voyage-4-lite diaktifkan oleh Matryoshka learning dan quantization-aware training. Matryoshka learning relevan bagi pengembang yang ingin memotong embedding ke dimensi yang lebih pendek sambil mempertahankan struktur yang berguna, dan quantization-aware training relevan ketika embedding perlu tetap akurat dalam representasi terkompresi. Keduanya penting ketika Anda memilih model embedding untuk sistem retrieval, bukan untuk vektor sekali pakai.
Kasus penggunaan praktis mengikuti langsung dari properti tersebut. Pencarian semantik dan retrieval atas koleksi dokumen adalah kecocokan yang jelas, termasuk vector search di dalam MongoDB Atlas dan penyimpanan serupa. Karena model ini serbaguna, model ini juga berfungsi untuk clustering dan pengelompokan topik, deduplikasi dan deteksi near-duplicate, fitur klasifikasi yang dibangun di atas vektor embedding, serta rekomendasi atau pencocokan kemiripan di mana item dibandingkan berdasarkan makna, bukan berdasarkan tumpang tindih kata kunci. Konteks 32000 token berarti bagian yang lebih panjang, seperti halaman penuh atau dokumen multi-bagian, dapat di-embed dalam satu permintaan alih-alih dipecah menjadi banyak potongan kecil, yang menyederhanakan pipeline pengindeksan.
Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mongodb/voyage-4-lite". Karena endpoint mengikuti bentuk embeddings OpenAI, Anda mengirim teks Anda di field input dan membaca vektor kembali dari respons. Model ini tidak mendukung parameter permintaan tambahan di luar panggilan embeddings standar, jadi tidak ada temperature, top_p atau konfigurasi sampling serupa yang perlu diatur. Jaga permintaan tetap dalam konteks 32000 token dan perkirakan output hingga 28800.
Jika Anda membutuhkan model yang menghasilkan teks, menangani gambar atau audio, atau mendukung parameter generasi yang dapat disetel, model embeddings adalah alat yang salah dan model chat atau multimodal akan lebih cocok. Dalam pekerjaan embeddings, voyage-4-lite ditujukan untuk latensi dan biaya rendah, jadi jika tugas Anda bergantung pada model embedding yang lebih besar atau lebih khusus, pertimbangkan apa lagi yang ditawarkan penyedia.
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-lite",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Komunitas ini belum memiliki topik. Buka topik pertama tentang VoyageAI by MongoDB: voyage-4-lite.