Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.
mongodb/voyage-4-liteUsa o seu saldo, aos preços acima. Novas contas começam com uso grátis.
Configurações
VoyageAI by MongoDB: voyage-4-lite é um modelo de embedding leve e de uso geral da VoyageAI by MongoDB. Ele fica na categoria de embeddings, portanto seu trabalho é transformar texto em representações vetoriais em vez de gerar respostas de chat. O modelo foi criado para baixa latência e custo, o que o torna um padrão razoável quando você precisa de embeddings em volume e não quer um modelo mais pesado no caminho da requisição. Ele foi lançado pelo provedor em 2026-07-27.
O modelo aceita texto como entrada e produz embeddings como saída. Seu comprimento de contexto é de 32000 tokens, e a saída máxima é 28800. O provedor observa que voyage-4-lite é habilitado por aprendizado Matryoshka e treinamento ciente de quantização. O aprendizado Matryoshka é relevante para desenvolvedores que desejam truncar embeddings para dimensões menores mantendo uma estrutura útil, e o treinamento ciente de quantização é relevante quando os embeddings precisam permanecer precisos sob representações comprimidas. Ambos importam quando você está escolhendo um modelo de embedding para um sistema de recuperação em vez de para um único vetor isolado.
Casos de uso práticos decorrem diretamente dessas propriedades. Busca semântica e recuperação sobre coleções de documentos são o encaixe óbvio, incluindo busca vetorial dentro do MongoDB Atlas e armazenamentos semelhantes. Como o modelo é de uso geral, ele também funciona para agrupamento e agrupamento por tópicos, deduplicação e detecção de quase duplicatas, features de classificação construídas sobre vetores de embedding, e recomendação ou correspondência de similaridade em que itens são comparados por significado em vez de sobreposição de palavras-chave. O contexto de 32000 tokens significa que passagens mais longas, como páginas completas ou documentos com várias seções, podem ser embutidas em uma única requisição em vez de serem divididas em muitos pedaços pequenos, o que simplifica os pipelines de indexação.
Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "mongodb/voyage-4-lite". Como o endpoint segue o formato de embeddings da OpenAI, você envia seu texto no campo input e lê os vetores de volta na resposta. O modelo não suporta parâmetros de requisição adicionais além da chamada padrão de embeddings, então não há temperature, top_p ou configuração de amostragem semelhante para definir. Mantenha as requisições dentro do contexto de 32000 tokens e espere saídas de até 28800.
Se você precisa de um modelo que gere texto, lide com imagens ou áudio, ou suporte parâmetros de geração ajustáveis, um modelo de embeddings é a ferramenta errada e um modelo de chat ou multimodal se encaixará melhor. Dentro do trabalho com embeddings, voyage-4-lite é voltado para baixa latência e custo, então se sua tarefa depende de um modelo de embedding maior ou mais especializado, considere o que mais o provedor oferece.
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));
Esta comunidade ainda não tem tópicos. Abra o primeiro sobre VoyageAI by MongoDB: voyage-4-lite.