Voyage AI社が2024年9月にリリースした高性能テキスト埋め込みモデル。MTEBベンチマークで最高水準のスコアを達成し、特にRetrieval（情報検索）タスクでOpenAIのtext-embedding-3-largeを上回る精度を示した商用埋め込みAPIだ。
Voyage-3は、Voyage AI社（旧XTX Markets AI研究部門発祥）が2024年9月に発表したテキスト埋め込みモデルシリーズのフラッグシップだ。公開されているMTEB（Massive Text Embedding Benchmark）スコアでOpenAI text-embedding-3-largeを上回り、商用埋め込みAPIの中でもトップクラスの精度を誇る。
| モデル | 最大トークン | 次元数 | 用途 | 価格（1Mトークン） |
|---|---|---|---|---|
| voyage-3 | 32,000 | 1,024 | 汎用高精度 | $0.06 |
| voyage-3-lite | 32,000 | 512 | コスト最適化 | $0.02 |
| voyage-3-large | 32,000 | 1,024 | 最高精度 | $0.18 |
| voyage-finance-2 | 32,000 | 1,024 | 金融特化 | $0.12 |
| voyage-law-2 | 16,000 | 1,024 | 法律特化 | $0.12 |
| voyage-code-3 | 32,000 | 1,024 | コード特化 | $0.06 |
2024年末時点の代表的な比較:
Retrievalタスク特化の設計が数字に表れている。
import voyageai
client = voyageai.Client(api_key="YOUR_API_KEY")
# テキストリストを一括エンコード
result = client.embed(
["自作PCの電源容量の選び方", "750W電源はRTX 4090に足りる？"],
model="voyage-3",
input_type="document" # クエリの場合は"query"
)
print(result.embeddings[0][:5]) # 最初の5次元
print(result.total_tokens) # 使用トークン数
Voyage-3の特徴的な設定にinput_typeパラメータがある。
"document": インデックス登録するドキュメント用"query": 検索クエリ用（短文・質問形式）None: 区別なし（精度低下のリスクあり）クエリとドキュメントで異なるエンコーダ重みを使うことで、非対称Retrieval精度を向上させている。
| 条件 | 推奨モデル |
|---|---|
| 高精度かつ予算あり | voyage-3-large / voyage-finance-2 |
| オープンソース必須 | BGE-M3 / Qwen3-Embedding-8B |
| OpenAIエコシステム内 | text-embedding-3-large |
| コスト優先 | voyage-3-lite / nomic-embed-text |
| コード検索 | voyage-code-3 |
voyage-finance-2とvoyage-law-2はそれぞれ金融・法律コーパスで事前学習を継続しており、一般モデルより専門用語の意味空間表現が正確だ。2025年のアップデートではvoyage-multimodal-3も追加され、画像+テキストの混在RAGにも対応している。
Q1: Voyage-3とtext-embedding-3-largeどちらを選ぶべき？ Retrieval精度最優先ならvoyage-3-large。OpenAI統合の利便性や既存インフラ維持ならtext-embedding-3-large。価格帯は同等なのでベンチマーク結果で選んで問題ない。
Q2: 日本語対応は？ 多言語対応だが日本語特化ではない。英語メインのコーパスなら高品質。日本語RAGでは事前検証を推奨する。
Q3: レート制限は？ 2025年時点でフリープランは月100Kトークン。Pro以上は無制限（従量課金）。
input_typeの使い分けでRetrieval精度が大きく変わる