VoyageAI by MongoDB

rerank-3-lite — это реранкер, оптимизированный как по задержке, так и по качеству, и являющийся прямой заменой rerank-2.5-lite, превосходя его в среднем на 0.94% NDCG@10 по оценкам в доменах и на 1.86% по оценкам на длинных документах, с улучшениями в поиске кода на 2.77% поверх voyage-3-large и на 2.59% поверх voyage-4-large. Он соответствует качеству поиска rerank-2.5 и на 93 наборах данных для поиска превосходит Cohere Rerank v4.0 Pro на 1.44% и Qwen3-Reranker-8B на 2.61%. Модель поддерживает суммарную длину контекста в 32K токенов на пару «запрос-документ», включая до 8K токенов для запроса, что обеспечивает более точный поиск по длинным документам. Кроме того, rerank-3-lite поддерживает следование инструкциям, позволяя пользователям направлять оценку релевантности с помощью подсказок на естественном языке. Подробнее о rerank-3-lite читайте здесь: blog.voyageai.com/2026/09/30/rerank-3

rerank-3 — это реранкер, оптимизированный по качеству и являющийся готовой заменой rerank-2.5, превосходящий его в среднем на 0.80% NDCG@10 по доменным оценкам и на 3.35% в оценках на длинных документах, с приростом в поиске кода на 2.01% поверх voyage-3-large и на 1.96% поверх voyage-4-large. На 93 наборах данных для поиска он превосходит Cohere Rerank v4.0 Pro на 2.14% и Qwen3-Reranker-8B на 3.31%. Модель поддерживает суммарную длину контекста в 32K токенов на пару «запрос-документ», включая до 8K токенов для запроса, что обеспечивает более точный поиск по длинным документам. Кроме того, rerank-3 поддерживает следование инструкциям, позволяя пользователям направлять оценку релевантности с помощью подсказок на естественном языке. Узнайте больше о rerank-3 здесь: blog.voyageai.com/2026/09/30/rerank-3

voyage-code-4 — это модель встраивания кода от Voyage AI, компании MongoDB. Она предназначена для агентов кодирования и поиска кода, с матрёшечными встраиваниями размерностей 2048, 1024, 512 и 256 и несколькими вариантами квантования. Узнайте больше о voyage-code-4 здесь: blog.voyageai.com/2026/08/13/voyage-code-4

rerank-2.5-lite — это реранкер, оптимизированный как по задержке, так и по качеству, обеспечивающий улучшение точности поиска на 7.16% по сравнению с Cohere Rerank v3.5 на 93 наборах данных. Он также превзошёл Cohere Rerank v3.5 на 10.36% в тесте Massive Instructed Retrieval Benchmark (MAIR). Модель поддерживает суммарный контекст длиной до 32K токенов на пару запрос-документ, включая до 8K токенов для запроса, что обеспечивает более точный поиск по более длинным документам. Кроме того, rerank-2.5-lite поддерживает следование инструкциям, позволяя пользователям управлять оценкой релевантности с помощью подсказок на естественном языке. Узнайте больше о rerank-2.5-lite здесь: blog.voyageai.com/2025/08/11/rerank-2-5

rerank-2.5 — это передовой реранкер, оптимизированный для качества, обеспечивающий улучшение точности поиска на 7.94% по сравнению с Cohere Rerank v3.5 на 93 наборах данных. Он также превзошёл Cohere Rerank v3.5 на 12.70% на Massive Instructed Retrieval Benchmark (MAIR). Модель поддерживает объединённую длину контекста в 32K токенов на пару запрос–документ, включая до 8K токенов для запроса, что обеспечивает более точный поиск по более длинным документам. Кроме того, rerank-2.5 поддерживает следование инструкциям, позволяя пользователям управлять оценкой релевантности с помощью подсказок на естественном языке. Узнайте больше о rerank-2.5 здесь: https://blog.voyageai.com/2025/08/11/rerank-2-5.

voyage-multimodal-3.5 — это современная мультимодальная эмбеддинг-модель, способная векторизовать не только текст, изображения и видео по отдельности, но и контент, в котором все три модальности переплетаются. Она обеспечивает отличную производительность для поиска по смешанным модальностям, включающего текст и визуальный контент, такой как PDF скриншоты, рисунки, таблицы, видео и другое. Благодаря Matryoshka-обучению и обучению с учётом квантования, voyage-multimodal-3.5 поддерживает эмбеддинги размерности 2048, 1024, 512 и 256, с несколькими вариантами квантования. Узнайте больше о voyage-multimodal-3.5 здесь: blog.voyageai.com/2026/01/15/voyage-multimodal-3-5

voyage-4-lite — это легковесная универсальная модель для получения эмбеддингов, оптимизированная под низкую задержку и стоимость. Благодаря обучению по методу Матрёшки и обучению с учётом квантования, voyage-4-lite поддерживает эмбеддинги размерностей 2048, 1024, 512 и 256, с несколькими вариантами квантования. Узнайте больше о voyage-4-lite здесь: blog.voyageai.com/2026/01/15/voyage-4

voyage-4 — это универсальная (включая многоязычную) модель эмбеддингов, оптимизированная для задач поиска/retrieval и приложений AI. voyage-4 поддерживает эмбеддинги размерностей 2048, 1024, 512 и 256, с несколькими вариантами квантования. Узнайте больше о voyage-4 здесь: blog.voyageai.com/2026/01/15/voyage-4

Модель voyage-4-large является современной универсальной и многоязычной эмбеддинг-моделью, оптимизированной для качества поиска. Благодаря обучению с использованием Matryoshka-метода и обучению с учётом квантования, voyage-4-large поддерживает эмбеддинги размерности 2048, 1024, 512 и 256, с несколькими вариантами квантования. Узнайте больше о voyage-4-large здесь: blog.voyageai.com/2026/01/15/voyage-4