援引 Voyage AI 官方数据，在技术文档、代码、法律、金融、网页内容、多语言数据集、长文档和对话数据等方面，Voyage-3 以 1/2.2 更低成本、1/3 更小嵌入纬度，显著降低了向量数据库（vectorDB）的成本，且综合跑分超越 OpenAI 的 v3 Large 模型 7.55%。

Voyage-3-Lite 在检索准确性方面比 OpenAI 的 v3 Large 模型高出 3.82%，同时成本降低至 1/6 ，嵌入维度也降至 1/6 。

嵌入式 AI 模型

嵌入式模型（Embedding）是一种广泛应用于自然语言处理（NLP）和计算机视觉（CV）等领域的机器学习模型，它可以将高维度的数据转化为低维度的嵌入空间（embedding space），并保留原始数据的特征和语义信息，从而提高模型的效率和准确性。

Voyage-3 在质量上不妥协，提高成本效益

成本效益是新 Voyage-3 系列模型的核心。

Voyage-3 的上下文长度为 32000 个 tokens，是 OpenAI 产品的 4 倍，是需要高质量检索的企业的成本效益解决方案，且价格亲民。

Voyage-3 的成本为每百万个 tokens 0.06 美元，比 Cohere English V3 便宜 1.6 倍，远比 OpenAI 的 v3 Large 模型更为实惠。

此外，Voyage-3 较小的嵌入维度（1024 对比 OpenAI 的 3072），因此实现更低的向量数据库成本，让公司能够有效扩展应用程序。

Voyage-3-Lite，这款模型的轻量版，经过优化以实现低延迟操作。每百万个标记的费用为 0.02 美元，是 OpenAI 的 v3 Large 模型 1/6.5，并且嵌入维度是 1/6~1/8 （512 对比 OpenAI 的 3072）。这让 Voyage-3-Lite 成为希望以较低成本维持高检索质量的组织的可行选择。

Voyage AI

Voyage AI 是一家由斯坦福大学助理教授马腾宇于 2023 年 11 月创立的 AI 公司，专注于构建嵌入 / 矢量化模型，以提高数据处理的效率。

公司由多名 AI 研究者组成，包括斯坦福大学教授马腾宇和 MIT 博士，并获得了斯坦福人工智能实验室主任 Christopher Manning 和 AI 领域著名华人学者李飞飞等人的学术顾问支持。

Voyage AI 提供的 API 端点能够接收用户数据并返回嵌入或相关性分数，这些模型可以与 RAG 堆栈的其他部分无缝集成，包括向量存储和生成式大型语言模型 (LLMs)。