We gebruiken cookies. Cookies en browseropslag houden je ingelogd en onthouden je voorkeuren. Met je toestemming meten we ook hoe de site wordt gebruikt. Je kunt je wanneer je wilt. Zie ons cookiebeleid.
mongodb/voyage-code-4Draait op je saldo tegen de prijzen hierboven. Nieuwe accounts beginnen met gratis gebruik.
Instellingen
VoyageAI door MongoDB: voyage-code-4 is een code-embeddingmodel van Voyage AI, een bedrijf van MongoDB. Het behoort tot de categorie embeddings, dus het doet invoer omzetten in vectoren in plaats van chatantwoorden te genereren. Het is ontworpen voor coding agents en code retrieval, wat het plaatst in het deel van een stack waar je code als vectoren moet representeren die kunnen worden opgeslagen, vergeleken en doorzocht.
Het model accepteert tekst als invoer en produceert embeddings als uitvoer. Het heeft een contextlengte van 32.000 tokens en een maximale uitvoer van 28.800, en het gebruikt Matryoshka embeddings op 2048 dimensies. Matryoshka embeddings kunnen worden afgekapt tot kortere lengtes terwijl ze bruikbaar blijven, wat je flexibiliteit geeft in hoeveel vectoropslag en compute je toewijst. Omdat de invoermodaliteit tekst is, werkt het model op code die als tekst is geserialiseerd, wat de manier is waarop bronbestanden, diffs en snippets normaal gesproken een embedding-endpoint bereiken.
Die mogelijkheden wijzen op een vrij specifieke set toepassingen. Code retrieval is de kern: een repository indexeren zodat een zoekopdracht, een natuurlijke taal beschrijving of een fragment code de meest relevante bestanden of functies retourneert. Coding agents kunnen dezelfde embeddings gebruiken om relevante context te vinden voordat ze code bewerken of genereren, wat de agent gegrond houdt in de daadwerkelijke codebase in plaats van te vertrouwen op wat in een prompt past. De context van 32.000 tokens betekent dat grotere bestanden of chunks van meerdere bestanden in een enkele aanvraag kunnen worden ge-embed, en de Matryoshka-eigenschap laat je vectorgrootte afwegen tegen retrievalkwaliteit wanneer je je index ontwerpt.
Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "mongodb/voyage-code-4". Omdat de interface het OpenAI-formaat volgt, kun je een bestaande OpenAI-client op api14 richten en embedding-aanvragen versturen zonder je integratie te herschrijven. Het model ondersteunt geen aanvullende aanvraagparameters, dus je stuurt het model-id en je invoertekst en leest de geretourneerde vectoren. Er is hier geen chat completion-oppervlak, en geen tool calling of gestructureerde uitvoer om te configureren.
Houd het bereik in gedachten bij het kiezen. Dit is een embeddingmodel, dus het zal geen vragen beantwoorden, code schrijven of een gesprek voeren; combineer het met een generatief model als je die gedragingen nodig hebt. Als je taak algemene semantische zoekopdrachten over proza is in plaats van code, kan een tekst-embeddingmodel beter passen, en als je generatie nodig hebt, heb je een heel ander model nodig. Voor code retrieval en context voor coding agents is voyage-code-4 precies daarvoor gebouwd.
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-code-4",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Deze community heeft nog geen topics. Open het eerste topic over VoyageAI by MongoDB: voyage-code-4.