Voyage AI发布了新一代嵌入模型Voyage-3.5和Voyage-3.5-lite，它们在保持与前代相同尺寸的同时，显著提升了检索质量，并且价格更低。与OpenAI-v3-large相比，Voyage-3.5和Voyage-3.5-lite的检索质量分别提高了8.26%和6.34%，成本却分别降低了2.2倍和6.5倍。它们支持多种嵌入维度和量化选项，并通过Matryoshka学习和量化感知训练实现，极大降低了向量数据库成本，同时保持了更高的检索精度。
阅读更多
现代代码助手广泛依赖代码检索技术，但现有评估方法存在缺陷。Voyage AI的研究指出，现有数据集存在标签噪声、缺乏深度算法推理能力评估以及数据污染等问题，导致模型评估结果不可靠。为此，Voyage AI提出两种构建高质量代码检索数据集的方法：一是利用问答数据集，二是利用GitHub代码库和问题/工单。Voyage AI还构建了自己的内部基准测试套件，包含多种编程语言、多种问答数据集和特定领域的基准测试，并对多个代码嵌入模型进行了评估，最终发现Voyage-code-3模型表现最佳。
阅读更多
Voyage AI发布了新一代代码检索模型Voyage-code-3，在32个数据集上平均超越OpenAI-v3-large和CodeSage-large 13.80%和16.81%。通过Matryoshka学习和量化（int8和二进制），Voyage-code-3显著降低了存储和搜索成本，同时保持了检索质量。它支持2048、1024、512和256维嵌入，以及多种量化格式，并具有32K token上下文长度。Voyage-code-3在代码检索方面表现出色，尤其是在处理算法推理和细微语法规则方面，其训练数据涵盖了海量代码和文本数据，并经过严格评估，确保了模型的鲁棒性和准确性。
阅读更多
Voyage AI发布了新的通用嵌入模型Voyage-3和Voyage-3-lite。Voyage-3在检索质量上平均优于OpenAI v3 large 7.55%，同时成本降低2.2倍，嵌入维度缩小3倍。Voyage-3-lite的检索精度比OpenAI v3 large高3.82%，成本降低6.5倍，嵌入维度缩小6倍。这两种模型都支持32K token的上下文长度，是OpenAI的4倍。Voyage-3系列模型在多个领域（包括代码、法律、金融、多语言和长上下文）的检索任务中表现出色，并具有显著的成本和延迟优势。
阅读更多
Voyage AI 发布了新的多模态嵌入模型 voyage-multimodal-3，能够处理交错的文本、图像和屏幕截图，无需复杂的文档解析。该模型在三个多模态检索任务（共20个数据集）中的检索准确度平均比表现次佳的模型高19.63%。voyage-multimodal-3 的架构类似于现代视觉语言转换器，支持文本和富含内容的图像（如文本、图形、表格、PDF、幻灯片等的屏幕截图），并能捕获关键的文本和视觉特征。与现有的多模态嵌入模型不同，voyage-multimodal-3 允许交错文本和图像，并在混合模态搜索方面表现更佳，有效解决了模态差距问题。
阅读更多