Voyage: Voyage 4 Large
voyage-4-large- Entrée / Sortie
- $0.12 / $0.00
- Contexte
- 32K
- Modalités
- Vectorisation
À propos de Voyage 4 Large
Voyage 4 Large est le modèle phare de la quatrième série d'embeddings de Voyage AI, que Voyage décrit comme offrant la meilleure qualité de récupération multilingue et généraliste. Ses vecteurs partagent le même espace que ceux de Voyage 4 et Voyage 4 Lite, permettant à une équipe d'indexer des documents avec le modèle large et d'encoder des requêtes en temps réel avec un modèle plus léger. Les dimensions sont de 1024 par défaut.
Points forts
- Voyage le classe comme le récupérateur généraliste et multilingue de la série 4 offrant la plus haute qualité.
- Les index de documents créés avec ce modèle peuvent être interrogés à l'aide de vecteurs Voyage 4 ou Voyage 4 Lite.
- Quatre dimensions de sortie sont proposées, allant de 256 à 2048.
- Il remplace Voyage 3 Large en tant que mise à niveau recommandée.
Quand préférer un autre modèle
- C'est le modèle le plus lourd de la série 4 ; par conséquent, pour l'encodage de requêtes à haut volume ou sensibles à la latence, Voyage 4 Lite est préférable.
- Il traite uniquement le texte ; la récupération de code est assurée par Voyage Code 3.
Pour commencer
Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.
Envoyez votre première requête
Copiez l'exemple pour votre langage et lancez-le.
VectorisationEndpoint 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." }'
Paramètres
Vectorisation
| Paramètre | Valeurs et limites | Valeur par défaut | Remarques |
|---|---|---|---|
encoding_format | Non fourni | Non fourni | 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 | Entrées : ≥ 1, ≤ 1000 | Non fourni | Non fourni |
Tarification
Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.
Vectorisation
Par 1M Token- Prix Official
- Entrée $0.12 / Sortie $0.00
- Prix Verified
- —
- Remise
- —
| Prix OfficialPar 1M Token | Prix VerifiedPar 1M Token | Remise | |
|---|---|---|---|
| Vectorisation | Entrée $0.12 / Sortie $0.00 | — | — |
Utilisation et activité
Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.
Utilisation et disponibilité
Dernières 24 heures- Requêtes
- Taux de succès
- Latence P95
- Total des jetons
Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.
Ouvrir dans Console
Ouvrez Voyage 4 Large dans Console avec un prompt prêt à modifier ou envoyer.
Aide-moi à tester voyage-4-large avec embedding sur /v1/embeddings. Affiche le résultat et le coût.
Cas d'usage
Recherche d'entreprise à haut rappel
Encodez une fois une vaste archive avec le modèle le plus puissant afin que chaque recherche ultérieure s'appuie sur les meilleurs vecteurs disponibles.
Récupération asymétrique
Indexez des documents avec ce modèle et encodez les requêtes des utilisateurs avec Voyage 4 Lite pour maintenir une faible latence de requête.
Remplacement de Voyage 3 Large
Migrez un index existant vers la génération actuelle après avoir ré-encodé et vérifié le rappel sur vos propres requêtes.
Exemples de prompts
Encodez ce document de politique de 20 pages par sections pour l'index de recherche de conformité.
Encodez la requête : quels fournisseurs ont échoué à l'audit 2025 ?
Encodez cette entrée de FAQ produit en japonais en tant que document.
Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.
FAQ
Quand devrais-je choisir Voyage 4 Large plutôt que Voyage 4 ?
Choisissez-le lorsque la qualité de récupération importe plus que le débit, par exemple pour l'indexation ponctuelle d'un corpus précieux. Voyage le répertorie comme le modèle de meilleure qualité de la série 4. Voyage 4 est le choix équilibré pour les charges de travail quotidiennes.
Puis-je combiner Voyage 4 Large avec des modèles plus petits de la série 4 ?
Oui. Les embeddings de la série 4 sont mutuellement compatibles ; vous pouvez donc encoder des documents avec Large et des requêtes avec Voyage 4 ou Voyage 4 Lite. Cela permet de maintenir une qualité d'index élevée tout en réduisant la charge de travail au moment de la requête.
Voyage 4 Large remplace-t-il Voyage 3 Large ?
Voyage le désigne comme le remplaçant de Voyage 3 Large. Les deux ne partageant pas le même espace vectoriel, le changement implique de ré-encoder l'intégralité du corpus et de vérifier au préalable les résultats de récupération.
Quelles dimensions Voyage 4 Large peut-il renvoyer ?
1024 par défaut, ainsi que 256, 512 et 2048. Choisissez une dimension par index et utilisez-la pour chaque vecteur de cet index, tant pour les documents que pour les requêtes.
Combien coûte Voyage 4 Large ?
Sur TokenLab, Voyage 4 Large coûte Entrée $0.12 / Sortie $0.00 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.
Quel endpoint Voyage 4 Large doit-il utiliser ?
Utilisez https://api.tokenlab.sh/v1/embeddings pour Voyage 4 Large. L'exemple de requête ci-dessous montre la structure de code correspondante.
Quelles opérations Voyage 4 Large prend-il en charge ?
Voyage 4 Large prend en charge Vectorisation. Sélectionnez une opération pour voir l'endpoint et un exemple.
Comparer Voyage 4 Large
Sources
Mis à jour le 2 oct. 2026