¿Qué es voyage-4-large?
voyage-4-large es el modelo de embeddings de texto de mayor calidad de Voyage AI (parte de MongoDB), publicado el 15 de enero de 2026, y Voyage dice que es el primer modelo de embeddings de producción basado en mixture-of-experts. Los modelos de embeddings convierten el texto en listas de números (vectores) para que el software encuentre pasajes relacionados, que es la base de la búsqueda y de la generación aumentada por recuperación (RAG). Acepta hasta 32.000 tokens por entrada y genera 256, 512, 1024 o 2048 dimensiones, con precisión float, de 8 bits o binaria.
Todos los modelos Voyage 4 comparten un mismo espacio de embeddings: puedes indexar documentos con voyage-4-large y buscarlos con los más baratos voyage-4 y voyage-4-lite, o con voyage-4-nano, de pesos abiertos (Apache 2.0).
Cuesta 0,12 $ por millón de tokens, con los primeros 200 millones de tokens gratis. Está disponible a través de la API de Voyage y de MongoDB Atlas.
¿Merece la pena voyage-4-large?
voyage-4-large es una elección segura para la recuperación de texto, pero la idea de que es el mejor se apoya en pruebas más endebles de lo que sugiere su marketing. Voyage declara mejoras medias de NDCG@10 del 14,05% sobre text-embedding-3-large de OpenAI, del 8,20% sobre Cohere Embed v4 y del 3,87% sobre Gemini Embedding 001 en los 29 conjuntos de datos de RTEB. Son cifras del proveedor. La clasificación pública MTEB no tiene una puntuación comparable para él.
El espacio de embeddings compartido es el recurso que les falta a sus rivales. Todos los modelos Voyage 4 producen vectores compatibles, así que puedes indexar los documentos una vez con voyage-4-large a 0,12 $ por millón de tokens y generar los embeddings de las consultas con voyage-4-lite a 0,02 $ o con voyage-4-nano en tu propio hardware, sin reindexar. Voyage dice que esta configuración asimétrica mejoró la recuperación en los ocho dominios que probó. La salida binaria además reduce 32 veces el almacenamiento vectorial frente a la misma dimensión en float32.
La competencia se ha movido desde enero. embed-v5.0-pro de Cohere lee texto, imágenes y PDF mixtos con un contexto de 128K, cuatro veces los 32.000 tokens de voyage-4-large, y las comparaciones de Voyage son anteriores a él y a Gemini Embedding 2. Una sola petición a voyage-4-large está limitada a 120K tokens en total, frente a 1 millón en voyage-4-lite, así que indexar en masa requiere más llamadas con el modelo grande.
La configuración de datos por defecto merece una línea en cualquier revisión de compras. Las preguntas frecuentes de Voyage dicen que los clientes de la API alojada pueden excluirse de que Voyage almacene y use sus datos para entrenamientos futuros; el interruptor empieza activado, la exclusión requiere un administrador y un método de pago registrado, y no se puede revertir desde el panel. El tráfico excluido tiene retención de cero días, más estricta que la de la mayoría de los proveedores, pero solo después de que alguien cambie el interruptor.
Dónde se gana su sitio
Un ingeniero de plataforma que indexa 1.000 millones de tokens de documentación de soporte y tickets para RAG
Generar los embeddings del corpus una vez y mantener el coste de las consultas cerca de cero
Indexa con voyage-4-large por unos 96 $ tras los 200 millones de tokens gratis y genera los embeddings de las consultas con voyage-4-lite a 0,02 $ por millón, así que 100 millones de tokens de consulta al mes cuestan 2 $. Los vectores binarios de 10 millones de fragmentos con 1024 dimensiones ocupan unos 1,3 GB en lugar de 41 GB en float32.
Un proveedor de tecnología jurídica cuyos clientes quieren la búsqueda en sus propios servidores
Generar los embeddings de las consultas en las instalaciones del cliente sin perder la calidad del índice alojado
Incluye voyage-4-nano (Apache 2.0, en Hugging Face) en el entorno del cliente para las consultas, mientras voyage-4-large genera los embeddings de los documentos. Los documentos siguen saliendo de la red una vez, así que activa la exclusión del entrenamiento antes de la primera llamada.
Un equipo de MongoDB Atlas que añade búsqueda vectorial a una aplicación existente
Añadir búsqueda semántica sin un segundo contrato con un proveedor
Los modelos Voyage 4 se ofrecen a través de la Embedding and Reranking API de Atlas, así que los embeddings quedan junto a los datos operativos. La documentación de facturación de MongoDB indica voyage-4-large al mismo precio de 0,12 $ por millón de tokens, con 200 millones de tokens gratis, facturado en la factura de Atlas.
Antes de decidirte
- Puesta en marcha
- Crea una clave de API y llama al endpoint de embeddings con el modelo voyage-4-large e input_type fijado en query o document. Hasta 1.000 entradas y 120K tokens por petición.
- Integraciones
- API de Voyage y cliente de Python, además de la Embedding and Reranking API de MongoDB Atlas; voyage-4-nano funciona en local con sentence-transformers desde Hugging Face.
- Datos y privacidad
- Por defecto, los datos de la API alojada pueden almacenarse y usarse para entrenar. Un administrador de la organización con un método de pago puede excluirse en el panel, lo que da retención de cero días y no se puede deshacer desde allí. La web de Voyage indica SOC 2 e HIPAA con informes en su centro de confianza de Vanta; el alojamiento regional no aparece en las preguntas frecuentes públicas.
- Coste a escala
- Indexar 1.000 millones de tokens cuesta 120 $ a precio de tarifa (96 $ tras los tokens gratuitos) o unos 80 $ en Batch con un 33% de descuento, que no incluye tokens gratuitos. Las consultas con voyage-4-lite cuestan 0,02 $ por millón.
- Límites
- Entradas de 32.000 tokens, 120K tokens por petición, solo texto. El Tier 1 (con método de pago añadido) permite 3 millones de tokens y 2.000 peticiones por minuto; los niveles 2 y 3 lo duplican y triplican una vez facturados 100 $ y 1.000 $.
Lo bueno
- Un mismo espacio vectorial para los modelos large, base, lite y el nano abierto
- 0,12 $ por 1 millón de tokens con 200 millones gratis
- Salida binaria e int8 y de 256 a 2048 dimensiones
- Retención de cero días una vez que te excluyes del entrenamiento
Lo malo
- Almacena los datos de la API y puede entrenar con ellos hasta que un administrador lo desactive
- Su ventaja se apoya en las pruebas RTEB de la propia Voyage; sin puntuación comparable en MTEB
- Solo texto, entradas de 32K tokens, 120K tokens por petición
- Los tokens gratuitos no se aplican a la Batch API
Ideal para
Equipos que construyen búsqueda de texto o RAG y quieren pagar por calidad al indexar y generar los embeddings de las consultas de forma barata o local.
Alternativas a voyage-4-large
voyage-4-large: preguntas frecuentes
- ¿Merece la pena voyage-4-large?
- Un modelo de recuperación sólido con un recurso que sus rivales no tienen, un espacio vectorial compartido, pero su ventaja se apoya en las pruebas de la propia Voyage y puede entrenar con tus datos hasta que un administrador lo desactive. Le damos un 4.5 sobre 5.
- ¿Cuánto cuesta voyage-4-large?
- 0,12 $ por 1 millón de tokens; los primeros 200 millones de tokens gratis (no en Batch); Batch API con un 33% de descuento.
- ¿Qué inconvenientes tiene voyage-4-large?
- Almacena los datos de la API y puede entrenar con ellos hasta que un administrador lo desactive; su ventaja se apoya en las pruebas RTEB de la propia Voyage; sin puntuación comparable en MTEB; solo texto, entradas de 32K tokens, 120K tokens por petición; los tokens gratuitos no se aplican a la Batch API.
- ¿Para quién es voyage-4-large?
- Equipos que construyen búsqueda de texto o RAG y quieren pagar por calidad al indexar y generar los embeddings de las consultas de forma barata o local.
- ¿Cuánto cuesta voyage-4-large para un equipo o en producción?
- Indexar 1.000 millones de tokens cuesta 120 $ a precio de tarifa (96 $ tras los tokens gratuitos) o unos 80 $ en Batch con un 33% de descuento, que no incluye tokens gratuitos. Las consultas con voyage-4-lite cuestan 0,02 $ por millón.
- ¿Es voyage-4-large seguro para los datos de la empresa?
- Por defecto, los datos de la API alojada pueden almacenarse y usarse para entrenar. Un administrador de la organización con un método de pago puede excluirse en el panel, lo que da retención de cero días y no se puede deshacer desde allí. La web de Voyage indica SOC 2 e HIPAA con informes en su centro de confianza de Vanta; el alojamiento regional no aparece en las preguntas frecuentes públicas.
- ¿Cuáles son las mejores alternativas a voyage-4-large?
- Las alternativas más cercanas que hemos analizado son Cohere Embed 5, Gemini Embedding 2 y text-embedding-3-large.
Respuestas comprobadas el 26 oct 2026.