Voyage AI

Voyage AI — платформа нейросетевых моделей векторизации (embeddings) и переранжирования (rerankers), на которых строят смысловой поиск, системы RAG и долговременную память ИИ-агентов.

В 2025 году американский стартап приобрела компания MongoDB, и теперь модели встроены прямо в MongoDB Atlas и MongoDB Vector Search, где векторы считаются автоматически при записи и обновлении рабочих документов.

При этом сам сервис по-прежнему открыт отдельно через REST API и клиентскую библиотеку для Python. Если Pinecone развивает собственную бессерверную векторную базу и готовый конструктор вопрос-ответных ботов, то Voyage AI отвечает именно за точность поисковых моделей и спокойно стыкуется с любыми внешними хранилищами векторов (включая сам Pinecone), LangChain и LlamaIndex.

Поиск здесь строится в два шага. Сначала модель эмбеддингов переводит сырые документы и запрос пользователя в числовые векторы, чтобы база быстро отобрала десятки близких по смыслу кандидатов. Затем подключается кросс-энкодерный реранкер: он читает запрос в паре с каждым найденным отрывком, считает точный балл соответствия и поднимает наверх те фрагменты, которые действительно отвечают на вопрос. С такой двухступенчатой фильтрацией в языковую модель уходит чистый контекст без информационного шума, а добавить реранкер к уже работающему поиску можно одним вызовом API без переиндексации базы.

Линейка моделей и настройки API закрывают разные типы данных и экономят память в хранилищах:

• Общие, отраслевые и контекстные эмбеддинги. Для повседневного мультиязычного поиска доступно семейство из флагманской, базовой и быстрой облегчённой моделей, а также компактный вариант с открытыми весами на Hugging Face — все они работают в едином векторном пространстве, поэтому индексировать архив можно старшей моделью, а потоковые запросы обрабатывать лёгкой. Отдельно обучены модели под репозитории кода, финансовые отчёты и юридические архивы, а режим контекстуализированных чанков векторизует короткие абзацы с оглядкой на весь исходный документ, чтобы при нарезке не терялся общий смысл.
• Мультимодальный поиск без ручного парсинга. Мультимодальная модель пропускает текст вперемешку со скриншотами PDF, слайдами презентаций, таблицами, графиками и фотографиями через общую нейросеть. Вытаскивать подписи через отдельный OCR-конвейер не требуется, а при смешанном поиске выдача не распадается между картинками и текстом.
• Сжатие векторов по принципу матрёшки. Модели формируют вложенные векторы с настраиваемой длиной (256, 512, 1024 или 2048 координат) и отдают их как в стандартных дробных числах, так и в сжатых целочисленных или однобитовых форматах (int8, uint8, binary). Укороченный вектор получают простым отсечением первых координат без повторного прогона текста через нейросеть, что в несколько раз сокращает объём векторного индекса.
• Веб-консоль и изолированный запуск. В личном кабинете в браузере создают проекты, добавляют участников команды, выпускают API-ключи, следят за квотами скорости и задают потолок бюджета. Корпоративным командам помимо облачного API доступны развёртывание в собственном частном облаке (in-VPC) через маркетплейсы AWS и Azure, серверная установка On-Premise и лицензирование моделей.