Для каких задач лучше всего подходит voyage-code-4?

Модель специально обучена для поиска по коду и создания кодовых агентов, обеспечивая высокую релевантность при извлечении фрагментов программ из больших репозиториев через API alltokens.

Что такое Matryoshka-эмбеддинги в данной модели?

Это технология, позволяющая использовать усеченные векторы (до 2048 измерений) без значительной потери точности, что оптимизирует хранение и скорость поиска в векторных базах данных.

Каков максимальный объем входных данных для одной операции?

Модель поддерживает контекстное окно до 32 000 токенов, что позволяет обрабатывать даже крупные файлы исходного кода целиком.

VoyageAI by MongoDB: voyage-code-4

MOMongodbОбновлено: 13 августа 2026 г.

Специализированная модель эмбеддингов от Voyage AI и MongoDB, оптимизированная для работы с исходным кодом и создания интеллектуальных агентов. Благодаря поддержке Matryoshka-эмбеддингов и контекстному окну в 32 000 токенов, она обеспечивает высокую точность поиска в сложных программных проектах.

Использовать через API

Метрики

Вход

15 ₽/M

Выход

— ₽/M

Контекст

32k tokens

Параметры

Релиз

13 августа 2026 г.

Поддерживаемые параметры

Нет данных по параметрам.

Технический обзор

voyage-code-4 — это модель кодовых эмбеддингов от Voyage AI, компании MongoDB. Она предназначена для агентов программирования и поиска кода, использует матрёшечные эмбеддинги размером 2048 токенов.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

VoyageAI by MongoDB: voyage-code-4Текущая

Для чего

Контекст

32k

Цена ₽

15 / —

VoyageAI by MongoDB: voyage-code-4Текущая

32k

15 / —

Модель

voyageai/voyage-code-4

Для чего

Является идентичной моделью от того же разработчика, предназначенной для задач семантического поиска по коду.

Контекст

—

Цена ₽

— / —

voyageai/voyage-code-4

—

— / —

Модель

VoyageAI by MongoDB: voyage-4-large

Для чего

Флагманская модель эмбеддингов общего назначения из той же линейки, позволяющая сравнить эффективность специализированного кодового поиска с универсальным.

Контекст

32k

Цена ₽

15 / —

VoyageAI by MongoDB: voyage-4-large

32k

15 / —

Когда выбирать

Разработка RAG-систем для автоматического анализа и поиска по кодовым базам
Создание автономных ИИ-агентов, требующих глубокого понимания структуры программирования
Необходимость использования Matryoshka-эмбеддингов для гибкой настройки размерности векторов

Когда не выбирать

Работа с текстами общей тематики, не связанными с программированием
Задачи генерации текста или диалогового взаимодействия (модель предназначена только для эмбеддингов)
Проекты, требующие обработки сверхдлинных документов, превышающих лимит в 32 000 токенов