Retour à Intégrations et recherche de vecteurs

Comparaison de modèles

text-embedding-3-large contre Voyage 4 Large

Comparez text-embedding-3-large et Voyage 4 Large en utilisant la même rubrique intégrations et recherche de vecteurs provenant du fournisseur. Pas de score mystère et pas de classement de référence inventé.

Faits vérifiés 4 septembre 2026

Estimez votre coût

Indiquez votre utilisation. L’estimation se met à jour à chaque modification.

Hypothèse : 600 tokens par page, traitée séparément. Le nombre réel varie. Embeddings uniquement, hors stockage, recherche et réponses.

Comprendre cette estimation

Les estimations excluent taxes, outils, stockage/écriture du cache, quotas gratuits et remises personnalisées. Pour les images, seule la sortie est incluse, pas le prompt ni les références. Les modes de qualité varient. Un paramètre non répertorié n’est pas gratuit.

Estimez votre coût
ModèleTotal estimé (USD)
Voyage 4 LargeVoyage AI0,0007 $US
text-embedding-3-largeOpenAI0,0008 $US

Données sur la qualité et la vitesse

Les résultats concernent un test, une langue et une configuration précis, pas l’intelligence globale. Une absence de résultat ne signifie pas une qualité inférieure.

Voyage 4 Large · FinanceBenchRetrieval

Résultat soumis par la communauté

Pertinence de recherche (0–1 ; plus élevé = meilleur)

Configuration du test

MTEB · 2.1.3 · eng-Latn · test/default

dimensions: 1024 · similarity: cosine · modelMetadata: https://github.com/embeddings-benchmark/results/blob/main/results/voyageai__voyage-4-large/1/model_meta.json

Vérifié: 5 septembre 2026

MTEB contributors · FinanceBenchRetrieval

0,9288 nDCG@10

Prise rapide

text-embedding-3-large

Le modèle d'intégration de texte le plus performant de OpenAI pour les pipelines de recherche sémantique, de recommandations, de clustering et de récupération.

Idéal pour

  • Recherche de texte de haute qualité et RAG
  • Piles d'applications centrées sur OpenAI
  • Équipes qui souhaitent une taille de vecteur ajustable

Attention à

Le modèle intègre uniquement du texte et ne décompose pas les longs documents à votre place. Votre pipeline d'ingestion a toujours besoin d'une stratégie délibérée de regroupement, de métadonnées, d'évaluation et de réindexation.

Voyage 4 Large

Modèle d'intégration général de qualité supérieure de Voyage AI pour la récupération de texte et de code, avec des dimensions réglables et un espace vectoriel familial partagé.

Idéal pour

  • Récupération de texte sensible à la qualité
  • Une recherche qui mélange prose et code
  • Équipes évaluant des modèles d'index et de requêtes asymétriques

Attention à

L'importante allocation de jetons gratuits est un détail commercial au niveau du compte, et non une garantie permanente sans coût. Confirmez l’éligibilité, les paramètres de rétention et le taux qui s’applique après l’allocation.

Comparez les faits publiés

text-embedding-3-large vs Voyage 4 Large

Les valeurs utilisent les unités et limites publiées par chaque fournisseur. Un blanc signifie que le fournisseur n'a pas publié de valeur directement comparable dans les sources examinées.

Intégrations et recherche de vecteurstext-embedding-3-largeVoyage 4 Large
Prix d'intégrationPrix ​​actuel du fournisseur par million de jetons d'entrée ou unité de facturation publiée la plus proche.0,13 $ / 1 million de jetons0,12 $ / 1 million de jetons après 200 millions gratuits
Capacité d'entréeContenu maximum accepté dans une entrée d'intégration, en utilisant la base de jetons documentée du fournisseur.8 191 jetons d'entrée32 000 jetons
Dimensions vectoriellesTailles de sortie prises en charge ; des vecteurs plus petits réduisent le stockage tandis que des vecteurs plus grands peuvent conserver plus d'informations.3 072 par défaut ; vecteurs plus courts via les dimensions1 024 par défaut ; 256, 512 ou 2 048 en option
Entrées acceptéesEntrée de texte, de code, d'image, d'audio, de vidéo, de PDF ou de document prise en charge par le point de terminaison.TexteTexte et code
Contrôles de récupérationModes de requête/document, types de tâches, troncature, segmentation ou autres contrôles qui façonnent les vecteurs pour la récupération.Paramètre de dimensions facultatif ; chunking géré par l'applicationTypes d'entrée de requête/document, troncature, dimension de sortie
Où ça courtAPI directe, marché cloud, déploiement privé ou itinéraire auto-hébergé documenté par le fournisseur.API d'intégration hébergée par OpenAIAPI Voyage, MongoDB Atlas et cloud sélectionnés

Comment choisir

Comparez le travail, pas le battage médiatique.

Commencez par le travail que vous devez effectuer, puis validez les détails du coût, de l'accès et de la politique sur l'itinéraire exact de votre fournisseur.

text-embedding-3-large

OpenAI indique que les données métier et API ne sont pas utilisées par défaut pour entraîner ses modèles. La conservation de la surveillance des abus et les contrôles de conservation des données nulles éligibles dépendent de l'approbation du point final et de l'organisation.

Voyage 4 Large

Les conditions publiques de Voyage permettent au contenu du client d'améliorer les services, à moins que le client ne se désengage. Les organisations payantes éligibles peuvent configurer un désabonnement et une conservation Zero Day ; les conditions d’entreprise négociées séparément peuvent différer.

Questions fréquemment posées

FAQ text-embedding-3-large et Voyage 4 Large

Quelle est la principale différence entre text-embedding-3-large et Voyage 4 Large ?

text-embedding-3-large : Le modèle d'intégration de texte le plus performant de OpenAI pour les pipelines de recherche sémantique, de recommandations, de clustering et de récupération. Voyage 4 Large : Modèle d'intégration général de qualité supérieure de Voyage AI pour la récupération de texte et de code, avec des dimensions réglables et un espace vectoriel familial partagé.

Dois-je choisir text-embedding-3-large ou Voyage 4 Large ?

Considérez text-embedding-3-large lorsque votre priorité est Recherche de texte de haute qualité et RAG. Considérez Voyage 4 Large lorsque votre priorité est Récupération de texte sensible à la qualité. Testez les deux avec vos propres données et votre itinéraire de fournisseur avant de vous engager.

Cette comparaison text-embedding-3-large vs Voyage 4 Large est-elle basée sur les benchmarks Cody ?

Non. Cette comparaison aligne les faits publiés par le fournisseur pour la catégorie Intégrations et recherche de vecteurs. Il ne revendique pas de gagnant universel ni ne combine des scores de référence tiers incompatibles.