voyage-3-large

voyage-3-largeは、Voyage AIが2025年1月に発表した最新の最先端汎用および多言語embeddingモデルで、法律、金融、コードを含む100データセットにわたる8つの評価ドメインで第1位にランクされています。

性能優位性

voyage-3-largeは複数の次元で競合他社を上回ります：

• vs OpenAI text-embedding-3-large: 平均性能+9.74%
• vs Cohere Embed v3-English: 平均性能+20.71%
• vs voyage-3: 平均性能+4.14%
• vs voyage-3-lite: 平均性能+7.68%

法律、金融、コードなどの専門ドメインで特に優れており、2025年の検索性能ベンチマークを設定しています。

核心機能

柔軟な次元サポート

以下の出力次元値をサポート：

• 2048次元: 最高品質
• 1024次元（デフォルト）: 性能とコストのバランス
• 512次元: より高速な推論、ストレージ削減
• 256次元: 最大圧縮

量子化サポート

Matryoshka学習と量子化対応トレーニングにより、voyage-3-largeはより小さい次元とint8およびバイナリ量子化をサポートし、検索品質への影響を最小限に抑えながらベクトルデータベースコストを大幅に削減します。

• int8量子化: ストレージコスト4倍削減
• バイナリ量子化: 品質損失最小で最大200倍のストレージコスト削減

長コンテキストサポート

• コンテキスト長: 32Kトークン
• Matryoshka学習による柔軟なサイズ調整

複数のデータタイプ

voyage-3-largeはint8、uint8、binary、ubinaryデータタイプをサポートし、極限のストレージと計算最適化オプションを提供します。

性能指標

レイテンシとスループット

• レイテンシ: 最大100トークンの単一クエリで90ミリ秒
• スループット: ml.g6.xlargeで時間あたり1260万トークン（$0.22 / 100万トークン）

ドメイン固有の優位性

法律、金融、医療、コードなどの専門ドメインで、voyage-3-largeは汎用embeddingモデルに対して顕著な優位性を示します。

使用シーン

• 専門ドメイン検索: 法律、金融、医療、コードでの高精度検索
• 大規模ベクトルデータベース: 量子化技術を使用してコストを大幅に削減
• 高性能要件: 最先端の検索性能を必要とするアプリケーション
• コスト最適化: バイナリ量子化で200倍のストレージコスト削減
• 長文書処理: 32Kトークンコンテキスト長サポート

価格

AWS Marketplaceデータに基づく：

• 基本価格: $0.22 / 100万トークン（ml.g6.xlargeインスタンス上）
• 具体的な価格はデプロイ方法と規模により異なる場合があります

長所と短所

長所:

• 2025年SOTA性能: 100データセットで第1位
• ドメイン固有の優位性: 法律、金融、コードで卓越
• 極限量子化: バイナリ量子化で200倍のストレージ削減
• 柔軟な次元: 256-2048次元の複数オプションをサポート
• 長コンテキスト: 32Kトークンサポート

短所:

• 新しいモデル: 2025年1月リリース、比較的新しいコミュニティエコシステム
• 価格: オープンソースモデルと比較してAPI料金が必要
• ドキュメント: 新しいモデルとして、ドキュメントとベストプラクティスが蓄積中

コスト最適化

バイナリ量子化の利点

10億個の2048次元ベクトルのストレージコスト：

• 量子化なし: ~8TBストレージ
• バイナリ量子化: ~40GBストレージ（200倍削減）

大規模ベクトルデータベースにとって、このコスト削減は革命的です。

まとめ

voyage-3-largeは最先端の検索性能を追求する第一選択であり、特に以下に適しています：

• 専門ドメインアプリケーション（法律、金融、医療）
• 極限のコスト最適化を必要とする大規模ベクトルデータベース
• 最高の検索品質要件があるシナリオ
• 長文書処理（32Kトークン）アプリケーション

一般的なシナリオでは、OpenAI text-embedding-3-largeがより成熟したエコシステムを提供します。多言語およびオープンソースのニーズには、BGE-M3がより良い選択です。しかし、専門ドメインと最大性能要件には、voyage-3-largeが2025年の最良の選択です。