VoyageAI by MongoDB: voyage-code-4

voyage-code-4 is een code embedding-model van Voyage AI, een bedrijf van MongoDB. Het behoort tot de categorie embeddings en niet tot de familie voor chat of tekstgeneratie, dus het zet invoer om in vectoren in plaats van antwoorden te schrijven. De releasedatum van de provider is 2026-08-13. Als je retrieval, zoeken of agent-tooling rond broncode bouwt, is dit het soort model dat je zou evalueren.

Het model heeft tekst als enige invoermodaliteit en produceert embeddings als enige uitvoermodaliteit. De contextlengte is 32000 tokens en de maximale uitvoer is 28800. De provider beschrijft het als ontworpen voor coding agents en code retrieval, en het gebruikt Matryoshka embeddings op 2048, 1024, 512 en 256 dimensies. Matryoshka embeddings betekenen dat dezelfde vector kan worden afgekapt tot een kortere dimensie terwijl hij bruikbaar blijft, waardoor je opslag en zoeksnelheid kunt afwegen tegen retrieval-kwaliteit zonder je corpus opnieuw te embedden. Er staan geen request-parameters vermeld als ondersteund voor dit model.

Die capaciteiten wijzen op een tamelijk specifieke set toepassingen. Code retrieval is de voor de hand liggende: een repository indexeren zodat een zoekopdracht of een vraag in natuurlijke taal de meest relevante bestanden, functies of snippets teruggeeft. Coding agents kunnen dezelfde embeddings gebruiken om te bepalen welke delen van een codebase in hun werkcontext moeten worden gehaald, wat belangrijk is wanneer een repository veel groter is dan welke enkele prompt dan ook. Omdat de vectoren kunnen worden ingekort, kan dezelfde index dienen voor een snelle eerste pass op 256 dimensies en een preciezere rerank op 2048. Documentatiezoeken, detectie van dubbele of bijna dubbele code en clustering van vergelijkbare bestanden passen ook natuurlijk, omdat ze allemaal neerkomen op het vergelijken van vectoren.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "voyageai/voyage-code-4". Omdat de interface de vorm van OpenAI embeddings volgt, zouden bestaande clients en SDK's die al naar een OpenAI-compatibele base URL wijzen moeten werken met alleen een gewijzigd model-id. Het model ondersteunt tekstinvoer en retourneert embeddings, met een contextlengte van 32000 tokens en een maximale uitvoer van 28800. De lijst met ondersteunde parameters is leeg, dus je moet niet verwachten opties zoals dimensions, truncation of input type te kunnen meegeven; stuur je tekst en lees de vector terug.

Twee dingen zijn het controleren waard voordat je je vastlegt. Ten eerste is dit een embedding-model, dus het zal geen vragen beantwoorden of code genereren; combineer het met een generatiemodel als je een agent nodig hebt die zowel retrieval doet als antwoordt. Ten tweede betekent de lege parameterlijst dat dimensiekeuze niet wordt blootgesteld als request-optie, dus als je expliciete controle over de uitvoergrootte op het moment van de aanroep nodig hebt, controleer dan hoe dat wordt afgehandeld voordat je daarop ontwerpt.