Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
mongodb/voyage-4-largeKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Ustawienia
VoyageAI by MongoDB: voyage-4-large to ogólnego przeznaczenia i wielojęzyczny model embeddingowy od VoyageAI by MongoDB. Należy do kategorii embeddings, więc jego zadaniem jest zamiana tekstu na reprezentacje wektorowe, a nie generowanie odpowiedzi czatu. Został zbudowany z myślą o jakości wyszukiwania, co czyni go naturalnym wyborem dla systemów wyszukiwania i wyszukiwania informacji, gdzie jakość reprezentacji wektorowej bezpośrednio wpływa na to, co zostanie wyszukane.
Model przyjmuje tekst jako dane wejściowe i zwraca embeddingi jako dane wyjściowe. Ma długość kontekstu 32 000 tokenów i maksymalne wyjście 28 800. Jego konstrukcja jest możliwa dzięki uczeniu Matryoshka i treningowi świadomemu kwantyzacji, i obsługuje embeddingi. Ponieważ jest wielojęzyczny i ogólnego przeznaczenia, można go stosować do tekstu w więcej niż jednym języku bez przełączania się na osobny model.
Praktyczne przypadki użycia wynikają z tych właściwości. Wyszukiwanie jest głównym z nich: indeksowanie dokumentów, fragmentów lub rekordów oraz embedding zapytań, aby warstwa wyszukiwania mogła rankingować wyniki według podobieństwa semantycznego. Zbiory wielojęzyczne dobrze się nadają, ponieważ ten sam model może tworzyć embeddingi treści i zapytań w różnych językach. Uczenie Matryoshka oznacza, że embeddingi mogą być używane na różnych poziomach obcięcia, co jest przydatne, gdy trzeba wymienić przechowywanie lub opóźnienie na jakość wyszukiwania w indeksie wektorowym. Trening świadomy kwantyzacji ma znaczenie, gdy embeddingi są przechowywane w skompresowanej formie, ponieważ utrzymuje jakość bliżej wektorów pełnej precyzji.
Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "mongodb/voyage-4-large". Ponieważ endpoint jest zgodny z formatem OpenAI, możesz skierować istniejącego klienta OpenAI na api14 i wysyłać żądania embeddingów w zwykły sposób, z identyfikatorem modelu w treści żądania. Model nie obsługuje żadnych dodatkowych parametrów żądania, więc żądania pozostają proste: identyfikator modelu i tekst wejściowy są tym, co się liczy. Tabela cen na żywo na stronie pokazuje aktualne stawki.
Jedno ograniczenie do zapamiętania: to model embeddingowy, a nie generator tekstu. Jeśli potrzebujesz uzupełnień czatu, rozumowania, wywoływania narzędzi lub jakiegokolwiek generowanego tekstu wyjściowego, właściwym wyborem jest inny model. Voyage-4-large służy do tworzenia wektorów, a jego kontekst 32 000 tokenów ogranicza, ile tekstu może zmieścić się w jednym żądaniu embeddingu.
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));
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o VoyageAI by MongoDB: voyage-4-large.