Voyage: Voyage Law 2

Voyage Law 2 dikhususkan untuk pencarian teks hukum. Embedding-nya mendukung pencarian dokumen hukum dan penyusunan konteks yang relevan dari kontrak, undang-undang, dan materi kasus untuk aplikasi hilir.

Bandingkan model

voyage-law-2

TersediaVoyageEmbeddingSinkronkan

Masukan / Keluaran: $0.12 / $0.00
Konteks: 16K
Modalitas: Embedding

Tentang Voyage Law 2

Voyage Law 2 adalah model embedding Voyage AI yang dioptimalkan untuk pencarian hukum dan retrieval-augmented generation (RAG). Model ini mendukung pencarian kontrak, legislasi, dan materi kasus, serta menyusun konteks yang relevan untuk aplikasi hilir. Vektornya berdimensi 1024, dan batas inputnya setengah dari model Seri 4, sehingga dokumen hukum yang panjang perlu dibagi menjadi beberapa bagian.

Kelebihan

Voyage mengoptimalkannya untuk pencarian hukum dan RAG.
Model ini menargetkan kontrak, legislasi, dan materi kasus, di mana pemilihan kata sangat menentukan relevansi.
Setiap embedding memiliki 1024 dimensi, yang menetapkan penyimpanan per vektor.
Model ini bekerja dengan alur kerja standar embed-then-search menggunakan tipe input kueri dan dokumen.

Kapan harus beralih

Batas inputnya lebih pendek daripada model Seri 4, sehingga dokumen panjang harus dipecah menjadi bagian yang lebih kecil.
Sebagai spesialis hukum, model ini mungkin tertinggal dari Voyage 4 Large pada korpus topik campuran; periksa pada data Anda sendiri.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

EmbeddingEndpoint TokenLab

POST/v1/embeddings

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "encoding_format": "float",
  "model": "voyage-law-2",
  "input": "The quick brown fox jumps over the lazy dog."
}'

Parameter

Embedding

Parameter	Nilai dan batas	Nilai bawaan	Catatan
`encoding_format`	Tidak disediakan	Tidak disediakan	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`	Jumlah masukan: ≥ 1, ≤ 1000	Tidak disediakan	Tidak disediakan

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Embedding

per 1M token

Harga Official: Masukan $0.12 / Keluaran $0.00
Harga Verified: —
Diskon: —

	Harga Officialper 1M token	Harga Verifiedper 1M token	Diskon
Embedding	Masukan $0.12 / Keluaran $0.00	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 15 Nov 2026, 01.59 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Voyage Law 2 di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba voyage-law-2 dengan embedding di /v1/embeddings. Tampilkan hasil dan biayanya.

Skenario penggunaan

Pencarian klausul
Lakukan embedding pada bagian kontrak agar peninjau dapat menemukan setiap klausul pengakhiran, ganti rugi, atau kewajiban di seluruh repositori.
Penelitian hukum kasus
Cari keputusan masa lalu untuk menemukan bagian yang cocok dengan pola fakta yang dijelaskan dalam bahasa sehari-hari.
Grounding asisten hukum
Ambil bagian undang-undang atau kontrak untuk dikutip oleh model chat saat menjawab pertanyaan penasihat hukum.

Contoh prompt

Embed kueri: klausul yang mengizinkan pengakhiran sepihak tanpa alasan.

Embed bagian ganti rugi ini sebagai dokumen untuk indeks kontrak.

Embed kueri: preseden mengenai pembatasan kewajiban untuk pelanggaran data.

Model ini memiliki harga kondisional. Total token bulanan saja tidak dapat menghasilkan estimasi yang andal; gunakan harga detail untuk spesifikasi permintaan, cache, dan jendela waktu yang berlaku.

FAQ

Untuk apa Voyage Law 2 digunakan?

Pencarian hukum dan RAG, menurut Voyage. Model ini melakukan embedding teks hukum agar kontrak, legislasi, dan materi kasus dapat dicari berdasarkan makna, dan agar bagian yang relevan dapat diberikan kepada model bahasa sebagai konteks.

Seberapa panjang input untuk Voyage Law 2?

Voyage mencantumkan konteks setengah dari ukuran batas Seri 4 untuk model ini. Bagi perjanjian panjang berdasarkan bagian atau klausul sebelum melakukan embedding; potongan tingkat klausul juga memberikan hasil pencarian yang lebih tepat.

Haruskah saya memilih Voyage Law 2 atau Voyage 4 Large untuk dokumen hukum?

Coba keduanya pada sampel pertanyaan nyata Anda. Voyage Law 2 dilatih untuk teks hukum, sementara Voyage 4 Large adalah pemimpin kualitas serbaguna dari seri saat ini dan menawarkan dimensi yang fleksibel.

Dimensi mana yang dikembalikan oleh Voyage Law 2?

Dokumentasi Voyage mencantumkan 1024 dimensi. Kueri dan dokumen harus sama-sama di-embed dengan model ini, karena vektornya tidak dapat dicampur dengan model Voyage lainnya.

Berapa biaya Voyage Law 2?

Di TokenLab, Voyage Law 2 dikenakan Masukan $0.12 / Keluaran $0.00 per 1M token. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Endpoint mana yang harus digunakan Voyage Law 2?

Pakai https://api.tokenlab.sh/v1/embeddings sebagai default untuk Voyage Law 2. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Voyage Law 2?

Voyage Law 2 mendukung Embedding. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.