多语言通用检索
在 100 个数据集、八个领域上排名第一，多语言部分覆盖 26 种语言、62 个数据集。
voyage-3-large
AI TOOL PROFILE工具资料支持 32K 上下文与灵活降维量化的多语言通用嵌入模型
价格官网未标价
平台API
归类大模型与开发平台
收录2026-10-10
复核2026-10-10
编辑评分
4.3 / 5
★★★★☆
voyage-3-large编辑总结
voyage-3-large 是 Voyage 3 系列新增的通用多语言嵌入模型，其在覆盖法律、金融、代码等八个领域的 100 个数据集上排名第一，平均比 OpenAI-v3-large 高 9.74%、比 Cohere-v3-English 高 20.71%。它支持 2048、1024、512、256 四种维度，并提供 32 位浮点、有符号与无符号 8 位整数及二值量化，支持 32K token 上下文。短板在于官网未公开具体价格与免费额度，且更强的检索质量需要付费推理成本换取。
voyage-3-large是什么？
voyage-3-large 是 Voyage AI 推出的 Voyage 3 系列新成员，定位为通用且多语言的检索嵌入模型。按照法，它在涵盖法律、金融、代码、技术文档、网页评论、长文档、对话以及多语言共八个领域的 100 个数据集上排名第一，平均超过 OpenAI-v3-large 9.74%、超过 Cohere-v3-English 20.71%。
在能力形态上，它支持 2048、1024、512、256 四种维度的嵌入，这一灵活性来自 Matryoshka learning；同时提供 32 位浮点、有符号与无符号 8 位整数以及二值等多种量化精度，配合量化感知训练来压低精度损失。上下文长度支持 32K token，官方对比中提到 OpenAI 为 8K、Cohere 为 512。官方举例称，采用 int8 精度和 1024 维时，检索质量只比 float 精度、2048 维低 0.31%，但存储少用 8 倍；512 维二值嵌入仍比 3072 维 float 的 OpenAI-v3-large 高 1.16%，存储成本约为后者的 1/200。
对普通使用者来说，它主要用于把文档、问题、代码片段等文本转成向量，供检索或问答系统调用；对开发者来说，可以通过选择更小的维度或更低的精度来压缩向量数据库成本；对成本敏感又不想牺牲太多质量的团队，官方还保留了 voyage-3 和 voyage-3-lite，分别比 OpenAI-v3-large 平均高 5.60% 和 2.06%，推理成本与延迟更低。
voyage-3-large核心功能
四档维度可选
支持 2048、1024、512、256 维嵌入，由 Matryoshka learning 实现，可按成本与精度自行取舍。
多种量化精度
提供 32 位浮点、有符号与无符号 8 位整数以及二值精度，在压缩存储的同时尽量减少质量损失。
32K 上下文
支持 32K token 上下文长度，官方对比中 OpenAI 为 8K、Cohere 为 512，适合长文档检索。
成本与精度权衡
int8 精度 1024 维仅比 float 精度 2048 维低 0.31%，存储少用 8 倍；512 维二值仍比 OpenAI-v3-large 3072 维 float 高 1.16%，存储省约 200 倍。
voyage-3-large值不值得用？
当需要处理多语言、法律金融或代码类长文档检索，并且希望自己控制向量维度和量化精度来压成本时，voyage-3-large 值得放入候选清单，因为官方给出的 32K 上下文和四档维度组合在同类中并不常见。当你的检索场景主要是短文本、预算又很紧时，可以先考虑 voyage-3 或 voyage-3-lite，它们同样超过 OpenAI-v3-large，只是幅度小一些，但推理成本与延迟更低。可用区域和接入方式官网未公开，做正式选型前需要先确认这些信息。
建议选它的情况
- 要做多语言检索、语料覆盖 26 种语言的产品团队
- 法律、金融、代码类长文档检索，需要 32K token 上下文
- 希望用二值或 int8 量化把向量数据库账单压下来的团队
- 已在使用 Voyage 3 系列，想升级到最高检索质量的开发者
不建议选它的情况
- 只做短文本检索、对成本极度敏感的场景，可先用 voyage-3-lite
- 需要官网公开明确价格和 SLA 才能走采购流程的团队
- 不打算自建向量检索链路、只想要成品问答应用的普通用户
voyage-3-large适合谁用？
RAG 应用开发者
推荐需要在检索环节替换或对比嵌入模型，可按维度与精度组合实测召回表现，再决定用哪一种配置。
多语言搜索团队
推荐多语言部分覆盖 26 种语言、62 个数据集，适合需要跨语种检索的产品作为候选模型。
向量成本敏感团队
推荐512 维二值嵌入被为比 OpenAI-v3-large 3072 维 float 高 1.16%，存储省约 200 倍，适合想压账单的场景。
短文本轻量检索
有条件如果语料以短句为主，官方同时提供 voyage-3 与 voyage-3-lite，推理成本与延迟更低，不必直接上大型号。
无自建检索链路的普通用户
不推荐该模型以 API 形式提供，需要自己搭建向量库与检索流程，直接当成品工具使用并不合适。
voyage-3-large优点和缺点
优点
- 在 100 个数据集、八个领域上排名第一
- 平均超过 OpenAI-v3-large 9.74%、Cohere-v3-English 20.71%
- 支持 2048、1024、512、256 四档维度
- 支持 32 位浮点、8 位整数与二值量化
- 32K token 上下文，官方对比 OpenAI 为 8K、Cohere 为 512
缺点
- 官网未说明可用区域与国内访问情况
- 检索质量更高的配置意味着更高的推理成本
- 其优势来自量化与降维训练，具体配置需自行实测
voyage-3-large常见问题
它支持多长的上下文？＋
支持 32K token 上下文长度，并在文中对比 OpenAI 为 8K、Cohere 为 512。长文档、政府报告、学术论文这类语料是它明确覆盖的 LONG-CONTEXT 场景。
能不能降低向量维度或精度来省钱？＋
可以。它支持 2048、1024、512、256 四种维度，并提供 32 位浮点、有符号与无符号 8 位整数以及二值精度。官方举例称 int8 精度 1024 维只比 float 精度 2048 维低 0.31%，但存储少用 8 倍。
和同系列的 voyage-3、voyage-3-lite 怎么选？＋
追求最高检索质量选 voyage-3-large，预算或延迟优先时可以先用这两款。
它支持哪些语言的检索？＋
在评估中说明多语言类别包含 62 个数据集、覆盖 26 种语言，voyage-3-large 的定位就是通用且多语言的嵌入模型。具体语种清单官网未逐一列出。
voyage-3-large竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| voyage-3-large本工具 | 4.3 | 未标价 | 多语言通用检索；四档维度可选；多种量化精度；32K 上下文 | API |
| Jina Embeddings V2 Base | — | 未标价 | 英文文本嵌入模型 | — |
| Snowflake Arctic Embed | — | 未标价 | 开源的先进文本嵌入模型 | Hugging Face / Snowflake Cortex / API |
| OpenAI Embedding Models | — | text-embedding-3-small 每 1k tokens $0.00 | 新型嵌入模型，性能更强，价格更低 | API |
| voyage-multimodal-3 | — | 未标价 | 多模态嵌入模型，实现文本、图像和截图的无缝检索 | API |
| 孟子 GPT 大语言模型 | — | 未标价 | 孟子 GPT 大语言模型是澜舟科技推出的一款强大的 AI 工具，它具备处理复杂 NLP 任务的能 | — |
