Usiamo i cookie. Cookie e memoria del browser ti mantengono connesso e ricordano le tue preferenze. Con il tuo consenso misuriamo anche come viene usato il sito. Puoi in qualsiasi momento. Consulta la nostra cookie policy.
mongodb/voyage-4-liteUsa il tuo saldo ai prezzi indicati sopra. I nuovi account partono con utilizzo gratuito.
Impostazioni
VoyageAI di MongoDB: voyage-4-lite è un modello di embedding leggero e general-purpose di VoyageAI di MongoDB. Si colloca nella categoria degli embedding, quindi il suo compito è trasformare il testo in rappresentazioni vettoriali anziché generare risposte di chat. Il modello è progettato per bassa latenza e costi contenuti, il che lo rende un default ragionevole quando servono embedding in volume e non si vuole un modello più pesante nel percorso della richiesta. È stato rilasciato dal provider il 2026-07-27.
Il modello accetta testo come input e produce embedding come output. La sua lunghezza di contesto è di 32000 token, e l'output massimo è 28800. Il provider osserva che voyage-4-lite è abilitato da Matryoshka learning e quantization-aware training. Il Matryoshka learning è rilevante per gli sviluppatori che vogliono troncare gli embedding a dimensioni più brevi mantenendo una struttura utile, e il quantization-aware training è rilevante quando gli embedding devono rimanere accurati con rappresentazioni compresse. Entrambi contano quando si sceglie un modello di embedding per un sistema di retrieval anziché per un singolo vettore isolato.
I casi d'uso pratici derivano direttamente da queste proprietà. La ricerca semantica e il retrieval su collezioni di documenti sono il fit più ovvio, inclusa la vector search all'interno di MongoDB Atlas e archivi simili. Poiché il modello è general purpose, funziona anche per clustering e raggruppamento per argomento, deduplicazione e rilevamento di quasi duplicati, feature di classificazione costruite sopra i vettori di embedding, e raccomandazione o similarità dove gli elementi vengono confrontati per significato anziché per sovrapposizione di parole chiave. Il contesto di 32000 token significa che passaggi più lunghi, come pagine intere o documenti multi-sezione, possono essere inseriti in una singola richiesta invece di essere divisi in molti piccoli chunk, il che semplifica le pipeline di indicizzazione.
Il modello si chiama tramite l'API compatibile con OpenAI di api14 usando il model id "mongodb/voyage-4-lite". Poiché l'endpoint segue la forma degli embedding OpenAI, si invia il testo nel campo input e si leggono i vettori dalla risposta. Il modello non supporta parametri di richiesta aggiuntivi oltre alla chiamata standard di embedding, quindi non c'è temperature, top_p o simile configurazione di campionamento da impostare. Mantieni le richieste entro il contesto di 32000 token e aspettati output fino a 28800.
Se serve un modello che generi testo, gestisca immagini o audio, o supporti parametri di generazione regolabili, un modello di embedding è lo strumento sbagliato e un modello di chat o multimodale sarà più adatto. Nell'ambito del lavoro sugli embedding, voyage-4-lite è orientato a bassa latenza e costi contenuti, quindi se il tuo compito dipende da un modello di embedding più grande o più specializzato, considera cos'altro offre il provider.
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));
Questa community non ha ancora discussioni. Apri la prima su VoyageAI by MongoDB: voyage-4-lite.