APIRank
EN 中文
免费试用

Voyage AI API 测评 2026：最强嵌入+重排模型，$0.02/百万 token 起

• Voyage AI 测评 • 约 9 分钟阅读

Voyage AI 不是通用大模型厂商。由斯坦福大学 Tengyu Ma 教授于 2023 年创立，2025 年 3 月被 MongoDB 收购，Voyage 只做一件事并做到极致：文本嵌入和重排。2026 年 1 月发布的 voyage-4 系列是首个生产级 MoE（混合专家）嵌入模型，在 Voyage 自有 RTEB 基准上比 OpenAI v3 Large 准确率高 14.05%。新账号赠送 2 亿免费 token，lite 版本低至 $0.02/百万 token——Voyage 已经成为严肃 RAG 应用的默认嵌入后端。本文从工程师评估生产检索系统嵌入服务商的角度，全方位测评 Voyage API。

TL;DR: Voyage AI 提供一套聚焦的文本嵌入模型矩阵（voyage-4-large $0.12/百万 token、voyage-4 $0.06/百万 token、voyage-4-lite $0.02/百万 token）、领域专精变体（voyage-code-3、voyage-finance-2、voyage-law-2、voyage-context-3）、重排器（rerank-2.5 $0.05/百万 token），以及独特的多模态嵌入模型（voyage-multimodal-3.5 支持文本+图像+视频交错输入）。所有 voyage-4 模型共享 32K 上下文和 1024 维嵌入空间，可实现非对称检索。新账号 200M 免费 token。API 不兼容 OpenAI 标准（自定义 schema，需 input_type 参数）。中国市场访问未经证实。无公开联盟计划。最佳用途：RAG 系统、向量搜索、代码检索、多模态应用——对检索准确率要求高于对话质量的场景。

引言：嵌入专家的偏执

2026 年的嵌入模型市场与对话模型市场截然不同。十多家厂商在同一个 GPT-4 级别的对话模型上竞争，而嵌入层则向少数几家严肃玩家集中：OpenAI、Cohere、Google、Jina 和 Voyage AI。其中，Voyage 是唯一选择只做嵌入和重排的公司——他们不提供对话模型，也不打算做。

这种专注带来了检索准确率上的优势。2026 年 1 月 15 日发布的 voyage-4 系列，由包含斯坦福 NLP 教职团队（Christopher Manning、Fei-Fei Li、Christopher Ré）的成员训练，针对生产 RAG 工作负载优化。旗舰 voyage-4-large 是首个生产级 MoE 嵌入模型，在 Voyage 拥有 29 个数据集的 RTEB 基准上，平均检索准确率比 OpenAI v3 Large 高 14.05%。

对于构建生产 RAG 系统的 AI 工程师来说，这种专注很重要。嵌入质量通常是检索准确率的最大单一决定因素——因此也是 RAG 应用能否真正工作的最大单一决定因素。选择一个平庸的嵌入模型意味着后续需要一连串变通：查询改写、混合搜索、重排、更多切片、更大上下文窗口等等。选择一个顶尖嵌入模型则能简化一切。

模型矩阵：完整的嵌入技术栈

Voyage 2026 年的产品线是一个完整的嵌入技术栈，而非单一模型：

模型类型上下文维度价格（/百万 token）最佳用途
voyage-4-large文本32K256/512/1024/2048$0.12旗舰——MoE 架构，前沿检索准确率
voyage-4文本32K256/512/1024/2048$0.06平衡——质量与成本兼顾
voyage-4-lite文本32K256/512/1024/2048$0.02延迟与成本——高吞吐索引
voyage-context-3文本（切片）32K1024$0.18为 RAG 提供带上下文的切片嵌入
voyage-code-3文本（代码）32K256/512/1024/2048$0.18代码检索、仓库搜索
voyage-finance-2文本（金融）32K1024$0.12金融文档检索
voyage-law-2文本（法律）16K1024$0.12法律文档检索
voyage-multimodal-3.5文本+图像+视频32K1024$0.12 + $0.60/十亿像素跨模态检索、视频帧搜索
rerank-2.5重排32K（查询 8K）—$0.05顶级 cross-encoder 重排器
rerank-2.5-lite重排32K（查询 8K）—$0.02延迟优化的重排器

两个特性让这个产品矩阵对生产 RAG 特别有吸引力：

voyage-4 家族共享嵌入空间。voyage-4-large、voyage-4 和 voyage-4-lite 的嵌入位于同一向量空间。这意味着你可以用较贵的 voyage-4-large 索引文档，然后用 voyage-4-lite 查询以节省成本，点积仍然有效。OpenAI 的 text-embedding-3-small 和 text-embedding-3-large 不共享空间，所以这种非对称检索模式在切换模型时需要重新索引。

Matryoshka 灵活维度。voyage-4 系列原生支持 2048、1024、512、256 维度，支持 float、int8、uint8、binary、ubinary 数据类型。这种 Matryoshka 表示让你可以在检索准确率与向量库存储/搜索速度之间权衡。256 维二值化嵌入比 1024 维浮点嵌入小 8 倍，而召回率下降通常不到 5%——有时不到 2%。

旧版模型（voyage-3、voyage-3.5、voyage-3-large）仍然可用，价格 $0.06-$0.18/百万 token，但定位为遗留版本。新部署应使用 4 系列。

定价：200M 免费 token，业内领先低价

Voyage 在每个层级的定价都很激进：

  • voyage-4-lite：$0.02/百万 token——比 OpenAI text-embedding-3-small 便宜 5 倍（$0.02 vs $0.10）
  • voyage-4：$0.06/百万 token——比 OpenAI text-embedding-3-large 便宜 40%（$0.06 vs $0.13）
  • voyage-4-large：$0.12/百万 token——与 OpenAI 大型 tier 持平，由 14% 准确率优势支撑
  • voyage-code-3 / voyage-context-3：$0.18/百万 token——专精检索的溢价

200M token 免费额度非常慷慨。对于一个典型的 RAG 系统，嵌入 50K 个平均 1,000 token 的文档（总计 50M token），这覆盖了整套生产语料库。对于高吞吐重索引场景，批量 API 提供 33% 折扣，12 小时 SLA。

对比 OpenAI 的免费政策（无免费嵌入，从第一天起按量付费）和 Cohere（5K 嵌入免费试用，之后按量付费），Voyage 的免费层是初创公司和独立开发者的真正差异化优势。

API 接口：自定义，不兼容 OpenAI

Voyage 的 API 是自己的协议，不是 OpenAI 包装器。基础 URL 是 https://api.voyageai.com/v1/，包含三个端点：

import voyageai

vo = voyageai.Client(api_key="YOUR_VOYAGE_API_KEY")

# 单字符串嵌入
result = vo.embed(
    texts=["法国的首都是什么？"],
    model="voyage-4-large",
    input_type="query"  # 'query' 或 'document'
)
print(result.embeddings[0])  # 1024 个浮点数的列表

与 OpenAI 嵌入 API 的两个关键区别：

  1. input_type 参数（query 或 document）是必需的。Voyage 的模型针对查询（问题）和文档（语料条目）训练了不同的嵌入优化，input_type 参数激活相应的优化。OpenAI 没有这个区分。
  2. 响应结构不同：Voyage 返回扁平的嵌入列表，而 OpenAI 返回 {"data": [...], "usage": {...}} 包装格式。

对于需要 OpenAI 兼容性的用户（例如在现有 RAG 流水线中将 Voyage 替换为 OpenAI），Voyage 提供单独的迁移指南，但不提供 OpenAI 兼容端点。

Voyage 还提供官方 Python 和 TypeScript SDK。社区有 Ruby、Go 和 Vercel SDK。OpenAPI 规范已发布，你可以按需生成自己的客户端。

重排器：嵌入技术栈的另一半

Voyage 的重排器（rerank-2.5 和 rerank-2.5-lite）是交叉编码器（cross-encoder），用于对初始向量搜索的 top-k 结果重新打分。典型的 RAG 模式：

  1. 用户提问
  2. 向量搜索按余弦相似度返回 top-50 文档
  3. 重排器用交叉编码器对每个 (查询, 文档) 对打分，返回更准确的排序
  4. top-5 重排文档送入 LLM 生成答案

这种两阶段模式在生产 RAG 基准上比单阶段向量搜索一致高出 10-20%。Voyage 的 rerank-2.5 是业内前 2-3 的重排器之一（与 Cohere Rerank v4、Jina Reranker 并列），在法律和金融领域表现尤为突出。

按百万 token 计费（不是按请求）：rerank-2.5 $0.05/百万 token 意味着一次典型的 100 文档重排（10K token 内容）成本约 $0.0005——对大多数生产工作负载来说基本免费。

多模态：真正的差异化

voyage-multimodal-3.5（2024 年 11 月发布，2025 年更新）在业界独树一帜：它接受交错的文本+图像+视频输入。基于 CLIP 的竞品（如 OpenAI CLIP）只能处理文本或图像作为独立输入；Voyage 能在单一嵌入空间中处理任意组合，例如"这张带标题'红色汽车'的图像与文本'汽车'相似"。

这对于电商搜索（带文字细化的图像搜索）、视频搜索（按帧加口述文字搜索）、文档 AI（包含嵌入文本和图像的 PDF 页面作为单一向量）非常强大。定价（$0.12/百万文本 token + $0.60/十亿像素）对该用例来说是合理的。

新账号的 200M 免费文本 token + 150B 免费像素，足以覆盖开始付费前的大量多模态实验。

领域专精模型：安静的优势

Voyage 为代码（voyage-code-3）、金融（voyage-finance-2）和法律（voyage-law-2）提供专精模型。对于在这些领域构建检索系统的团队来说，这些是市面上最好的现成嵌入。在相关领域，1-3% 的准确率提升对生产 RAG 很有意义——那里每一分召回率都重要。

例如在代码仓库搜索系统中，voyage-code-3 理解变量引用、函数调用和代码结构——它将 getUserById(id) 和 fetchUser(userId) 在向量空间中放置得很近。通用嵌入模型将它们视为不相关的字符串。

优劣势总结

优势

  • ✅ 行业领先的检索准确率（RTEB 基准比 OpenAI v3 Large 高 14%）
  • ✅ 首个生产 MoE 嵌入模型——以更低的推理成本达到前沿准确率
  • ✅ 32K 上下文（OpenAI 仅 8K，Cohere 仅 512 的 64 倍），适合长文档
  • ✅ voyage-4 家族共享嵌入空间——非对称检索无需重新索引
  • ✅ Matryoshka 灵活维度 + 二值化——向量库成本节省
  • ✅ 新账号 200M 免费 token——覆盖大多数初创工作负载
  • ✅ 领域专精模型：代码、金融、法律
  • ✅ 顶级重排器（rerank-2.5 / rerank-2.5-lite）支持两阶段检索
  • ✅ 多模态嵌入支持文本+图像+视频交错输入
  • ✅ MongoDB 背书（2025 年 3 月收购）——长期稳定

劣势

  • ❌ API 不兼容 OpenAI——从 OpenAI 切换需 schema 迁移
  • ❌ 无 chat completions 端点——Voyage 仅做嵌入，生成需要单独的 LLM
  • ❌ 中国大陆访问未官方文档化——无专属 CDN 或 ICP 备案
  • ❌ 无公开联盟推广计划
  • ❌ 品牌认知度不如 OpenAI——在非技术干系人评审中可能引起质疑

使用场景推荐

使用场景推荐模型原因
通用 RAG（中等规模语料）voyage-4（索引 + 查询）最佳性价比，32K 上下文
高风险 RAG（法律、医疗、金融）voyage-4-large（索引）+ voyage-4（查询）+ rerank-2.514% 准确率优势，非对称检索
代码搜索 / 仓库问答voyage-code-3理解代码语义，不仅是文本相似度
高吞吐索引（每月 1 亿+ token）voyage-4-lite$0.02/百万 token，比 OpenAI 便宜 5 倍
向量库成本优化voyage-4 + 256 维二值化8 倍存储节省，召回率损失极小
电商 / 图像搜索voyage-multimodal-3.5交错文本+图像输入
两阶段检索流水线voyage-4 + rerank-2.5比纯向量检索召回率高 10-20%

竞品对比

vs OpenAI 嵌入：Voyage 在检索准确率（RTEB 高 14%）、上下文长度（32K vs 8K）、定价（large tier $0.06 vs $0.13）上领先。OpenAI 在 OpenAI API 兼容性（显然）、品牌认知度、以及如果你已经在用 OpenAI 对话模型则可以一站式采购上领先。

vs Cohere Embed v4：Voyage 在检索准确率（RTEB 高 8%）、上下文长度（32K vs Cohere 某些型号的 512）和多模态支持上领先。Cohere 在 chat+rerank 一体化（一个服务商搞定所有）和企业领域更长记录上领先。

vs Jina AI：Voyage 在检索准确率和免费额度慷慨度上领先。Jina 在价格（Jina v3 base 仅 $0.02/百万 token）和开源权重 Jina Embeddings v3（可免费自托管）上领先。

vs 自托管开源模型（BGE、E5、Nomic Embed）：自托管在数据隐私和单次查询成本（边际成本为零）上领先。Voyage 在检索准确率、无基础设施开销和管理服务的运营简单性上领先。

常见问题解答

voyage-4 和 voyage-3 有什么区别？

voyage-4 是当前代际（2026 年 1 月 15 日发布），large 变体基于 MoE 架构。voyage-3 是上一代，仍可用但准确率较低且无 MoE 优化。新部署应使用 voyage-4。voyage-3 价格为 $0.06-$0.18/百万 token，对尚未迁移的遗留代码仍然有用。

voyage-4 嵌入能配合 Pinecone 或 Weaviate 这样的向量数据库使用吗？

可以。Voyage 嵌入只是浮点向量，可与任何向量数据库配合——Pinecone、Weaviate、Qdrant、Milvus、pgvector、Chroma、LanceDB 等。Matryoshka 灵活维度对存储受限的向量库特别有用。256 维二值化变体每个向量 32 字节，单台普通服务器可容纳数十亿向量。

Voyage 支持批处理吗？

支持。Python 和 TypeScript SDK 自动将请求批处理到每次调用最多 1,000 个文本。对于非常大的索引任务（1M+ 文档），Voyage 的批量 API 提供 33% 折扣和 12 小时 SLA——太平洋时间下午 6 点前提交，次日上午 6 点前返回结果。

Voyage 如何处理速率限制？

付费账号的默认速率限制是每分钟 300 请求、每分钟 4M token。生产部署可申请更高限制。批量 API 有独立的高得多的限制。

有自托管版本的 Voyage 吗？

无自托管模型权重可用。Voyage 仅为托管 API。如需自托管替代方案，参见 BGE-M3（开源权重，多语言）、Nomic Embed Text v2（开源权重，1.37 亿参数）或 Jina Embeddings v3（开源权重，5.7 亿参数，8K 上下文，1024 维）。

200M 免费 token 用完后会怎样？

你将自动转入按量付费定价，费率按上述模型而定（$0.02-$0.18/百万 token，取决于模型）。免费层是一次性授予每个账号，不是每月配额。你可以在 Voyage 控制台设置硬性支出上限以防止意外账单。

结论

Voyage AI 是 2026 年严肃 RAG 和向量检索系统的最强选择。前沿检索准确率（RTEB 比 OpenAI v3 Large 高 14%）、慷慨定价（lite tier $0.02/百万 token，新账号 200M 免费 token）、voyage-4 家族共享嵌入空间（实现非对称检索）、完整嵌入技术栈（文本、代码、金融、法律、多模态）的组合，让它成为优先考虑检索质量的 AI 工程师的默认选择。

缺点——不兼容 OpenAI API、无 chat completions、中国访问未经验证——确实存在但可控。大多数生产 RAG 系统已经使用独立的嵌入服务商和独立的对话服务商，所以 Voyage 仅做嵌入的定位是特性，不是缺陷。

2026 年选择嵌入服务商的决策参考：

  • 需要前沿检索准确率 + 成本效率 → Voyage AI（voyage-4）
  • 需要 OpenAI API 兼容性 + 一站式服务商 → OpenAI（text-embedding-3-large）
  • 需要代码感知检索用于仓库问答系统 → Voyage AI（voyage-code-3）
  • 需要自托管以保证数据隐私 → BGE-M3 或 Nomic Embed Text v2
  • 需要多模态（文本+图像）嵌入 → Voyage AI（voyage-multimodal-3.5）
  • 需要多服务商聚合 + 中国直连 → FreeModel

对于 2026 年构建生产 RAG 的团队，Voyage AI 是显而易见的默认嵌入后端。准确率优势是真实的，免费层是慷慨的，共享嵌入空间解锁了 OpenAI 根本不支持的强大非对称检索模式。