Что такое Matryoshka embeddings в модели voyage-code-4?

Это технология, позволяющая использовать усеченные версии векторов (256, 512, 1024) вместо полных 2048, что ускоряет поиск и экономит место в базе данных при сохранении высокой точности.

Какой максимальный объем контекста поддерживает модель?

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

Можно ли использовать эту модель через alltokens?

Да, модель доступна для интеграции через API alltokens, что обеспечивает удобный доступ к функционалу Voyage AI для разработчиков.

VoyageAI by MongoDB: voyage-code-4

VOVoyageaiОбновлено: 13 августа 2026 г.

Специализированная модель эмбеддингов для работы с кодом, оптимизированная для создания продвинутых ИИ-агентов и систем поиска по репозиториям. Поддержка технологии Matryoshka позволяет гибко настраивать размерность векторов от 256 до 2048 без потери контекстуальной значимости.

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 с размерами 2048, 1024, 512 и 256.

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 by MongoDB: voyage-4-large

Для чего

Обе модели имеют схожую архитектуру и контекстное окно, но voyage-code-4 сфокусирована на специфике языков программирования.

Контекст

32k

Цена ₽

15 / —

VoyageAI by MongoDB: voyage-4-large

32k

15 / —

Модель

Perplexity: Embed V1 4B

Для чего

Является альтернативным решением для генерации эмбеддингов, однако уступает в гибкости настройки размерности векторов.

Контекст

32k

Цена ₽

4 / —

Perplexity: Embed V1 4B

32k

4 / —

Когда выбирать

Разработка систем поиска по коду и технической документации
Создание автономных ИИ-агентов для написания и анализа программного обеспечения
Необходимость оптимизации хранилища векторов с использованием Matryoshka embeddings

Когда не выбирать

Работа с общими текстами, не связанными с программированием или технологиями
Задачи генерации текста, так как модель предназначена только для создания эмбеддингов
Проекты с крайне малым контекстом, где не требуются возможности окна в 32k токенов