Voyage: Voyage 4 Large
voyage-4-large- Entrada / Salida
- $0.12 / $0.00
- Contexto
- 32K
- Modalidades
- Incrustación
Sobre Voyage 4 Large
Voyage 4 Large es el modelo principal de la cuarta serie de embeddings de Voyage AI, el cual Voyage describe como el que posee la mejor calidad de recuperación multilingüe y de propósito general. Sus vectores comparten el mismo espacio que Voyage 4 y Voyage 4 Lite, por lo que un equipo puede indexar documentos con el modelo grande e incrustar consultas en tiempo real con uno más pequeño. Las dimensiones son de 1024 por defecto.
Puntos fuertes
- Voyage lo clasifica como el recuperador multilingüe y general de mayor calidad de la Serie 4.
- Los índices de documentos creados con este modelo pueden consultarse con vectores de Voyage 4 o Voyage 4 Lite.
- Se ofrecen cuatro dimensiones de salida, desde 256 hasta 2048.
- Reemplaza a Voyage 3 Large como la actualización recomendada.
Cuándo buscar otra opción
- Es el modelo más pesado de la Serie 4, por lo que la incrustación de consultas de alto volumen o sensibles a la latencia se gestiona mejor con Voyage 4 Lite.
- Solo procesa texto; la recuperación de código es tarea de Voyage Code 3.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
IncrustaciónEndpoint de TokenLabPOST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "encoding_format": "float", "model": "voyage-4-large", "input": "The quick brown fox jumps over the lazy dog." }'
Parámetros
Incrustación
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
encoding_format | No especificado | No especificado | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
input | Entradas: ≥ 1, ≤ 1000 | No especificado | No especificado |
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Incrustación
Por 1M Token- Precio Official
- Entrada $0.12 / Salida $0.00
- Precio Verified
- —
- Descuento
- —
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Incrustación | Entrada $0.12 / Salida $0.00 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Voyage 4 Large en Console con un prompt listo para editar o enviar.
Ayúdame a probar voyage-4-large con embedding en /v1/embeddings. Muestra el resultado y el coste.
Casos de uso
Búsqueda empresarial de alta recuperación (high-recall)
Incruste un archivo grande una sola vez con el modelo más potente para que cada búsqueda posterior aproveche los mejores vectores disponibles.
Recuperación asimétrica
Indexe documentos con este modelo e incruste las consultas de los usuarios con Voyage 4 Lite para mantener baja la latencia de las consultas.
Reemplazo de Voyage 3 Large
Migre un índice existente a la generación actual después de volver a realizar la incrustación y verificar la recuperación en sus propias consultas.
Ejemplos de prompts
Incruste este documento de política de 20 páginas en secciones para el índice de búsqueda de cumplimiento.
Incruste la consulta: ¿qué proveedores fallaron en la auditoría de 2025?
Incruste esta entrada de preguntas frecuentes sobre productos en japonés como documento.
Este modelo tiene precio condicional. Los totales mensuales de tokens por sí solos no producen una estimación fiable; use el precio detallado según la especificación de la solicitud, la caché y la ventana aplicable.
FAQ
¿Cuándo debería elegir Voyage 4 Large en lugar de Voyage 4?
Elija este modelo cuando la calidad de recuperación sea más importante que el rendimiento, como en la indexación única de un corpus valioso. Voyage lo cataloga como el modelo de mejor calidad de la Serie 4. Voyage 4 es la opción equilibrada para cargas de trabajo cotidianas.
¿Puedo combinar Voyage 4 Large con modelos más pequeños de la Serie 4?
Sí. Los embeddings de la Serie 4 son mutuamente compatibles, por lo que puede incrustar documentos con Large y consultas con Voyage 4 o Voyage 4 Lite. Esto mantiene alta la calidad del índice mientras reduce el trabajo realizado durante la consulta.
¿Voyage 4 Large reemplaza a Voyage 3 Large?
Voyage lo designa como el reemplazo de Voyage 3 Large. Ambos no comparten el mismo espacio vectorial, por lo que cambiar implica volver a incrustar todo el corpus y verificar primero los resultados de recuperación.
¿Qué dimensiones puede devolver Voyage 4 Large?
1024 por defecto, además de 256, 512 y 2048. Elija una dimensión por índice y utilícela para cada vector en ese índice, tanto para documentos como para consultas.
¿Cuánto cuesta Voyage 4 Large?
En TokenLab, Voyage 4 Large cuesta Entrada $0.12 / Salida $0.00 Por 1M Token. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Qué endpoint debe usar Voyage 4 Large?
Utiliza https://api.tokenlab.sh/v1/embeddings para Voyage 4 Large. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Voyage 4 Large?
Voyage 4 Large admite Incrustación. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Voyage 4 Large
Fuentes
Revisado el 2 oct 2026
