Voyage-3 (Voyage AI 2024)（ボイジャースリー2024）
Voyage AI 2024年10月発表エンタープライズ Embedding。1024次元・MTEB 71.8 平均・$0.06/1M トークン・Anthropic 推奨
概要
Voyage-3 は 2024年10月25日にアメリカ Voyage AI（カリフォルニア州 Palo Alto、2023年創業、Stanford CS 教授 Tengyu Ma 創業）が発表したエンタープライズ向け Embedding モデル（公式: voyageai.com）。1024 次元 ベクトル・MTEB 71.8 平均スコア（OpenAI text-embedding-3-large の 71.0・Cohere Embed-v3 の 70.5 を上回る）・$0.06/1M トークン・Anthropic 公式推奨 Embedding として有名。
Voyage AI は 2023 年に Stanford 大学 CS 教授 Tengyu Ma（機械学習理論の権威）が共同創業した RAG / Embedding 専門スタートアップで、2024 年に Anthropic と公式パートナーシップ締結。Anthropic ドキュメントで「Claude + Voyage = 最強 RAG スタック」と推奨され、エンタープライズ RAG 市場で急速にシェア拡大。
革新は (1) Domain-specific 軽量モデル：Voyage-3 + Voyage-3-lite + Voyage-code-3 + Voyage-law-2 + Voyage-finance-2 等の領域特化モデル多数 (2) コスト効率：OpenAI text-embedding-3-large ($0.13/1M) の 46% 価格 (3) コンテキスト長 32K トークン：長文ドキュメント直接処理可 (4) Reranker 統合：Voyage Rerank 2 で検索 → リランクの 2 段階パイプライン構築可。
価格 $0.06/1M トークン（Voyage AI 公式 2026年5月時点、Lite 版 $0.02/1M）。
主な特徴・仕組み
- 次元数: 1024 次元（標準）/ 256 / 512 / 2048 選択可
- コンテキスト長: 32,000 トークン（長文ドキュメント直接処理）
- MTEB 平均: 71.8（OpenAI 71.0・Cohere 70.5 凌駕）
- API 価格: $0.06/1M トークン（OpenAI 比 46%）
- 派生モデル: Voyage-3-lite ($0.02)・Voyage-code-3・Voyage-law-2・Voyage-finance-2
- 言語: 30+ 言語対応（英語中心、多言語タスクで強み）
- Reranker: Voyage Rerank 2（$0.10/1M、検索結果リランク）
- Anthropic 統合: Claude API + Voyage API の組合せ推奨
- OS バージョン: voyage-3 (2024-10)・voyage-3-lite (2024-10)・voyage-3-large (2025-01 上位版)
スペック比較表
| 項目 | Voyage-3 (2024) | OpenAI text-embedding-3-large | Cohere Embed-v3 | BGE-M3 | E5-Mistral |
|---|---|---|---|---|---|
| 次元 | 1024 | 3072 | 1024 | 1024 | 4096 |
| コンテキスト | 32K | 8K | 512 | 8K | 4K |
| MTEB 平均 | 71.8 | 71.0 | 70.5 | 64.7 | 66.6 |
| API 価格 | $0.06/1M | $0.13/1M | $0.10/1M | OSS 無料 | OSS 無料 |
| 領域特化 | code/law/finance | なし | なし | なし | なし |
| Anthropic 推奨 | 公式 | 非推奨 | 競合 | - | - |
具体例・対応製品
- voyageai/voyage-3 API: $0.06/1M、Python SDK・REST API
- voyageai/voyage-3-lite: $0.02/1M、軽量版・大量バッチ向け
- voyageai/voyage-code-3: $0.06/1M、コード特化、HumanEval 検索で SOTA
- voyageai/voyage-law-2: $0.06/1M、法律文書特化
- Anthropic Claude + Voyage RAG: 公式推奨スタック、ドキュメント完備
選び方・注意点
- Anthropic ユーザー最適: Claude API 利用なら Voyage で統一、料金請求一本化（Anthropic 経由 Voyage 利用可）
- 領域特化メリット: 法律 RAG → Voyage-law-2、コード RAG → Voyage-code-3、金融 → Voyage-finance-2 で精度大幅向上
- OpenAI text-embedding-3-large との差: MTEB +0.8、価格 46%、コンテキスト 4倍（32K vs 8K）で全面的優位
- OSS 代替: BGE-M3 / E5-Mistral 無料、自社 GPU で運用、API コスト気になる場合
- Reranker 推奨: Voyage-3 検索 + Voyage Rerank 2 で精度更に向上、$0.16/1M トータルで OpenAI 同等
- 次元削減: 1024 → 256 次元で 75% メモリ削減 + 性能 -5% 程度、コスト最適化可
- 多言語: 日本語含む 30+ 言語で実用、英語ほぼ同等・日本語 -5% 程度
関連用語との違い
| 用語 | 違い |
|---|---|
| Voyage-3 (2024) | エンタープライズ・Anthropic 推奨・$0.06/1M |
| E5-Mistral (2024) | OSS・4096次元・LLM ベース |
| text-embedding-3-large (OpenAI 2024) | $0.13/1M・3072次元 |
| Snowflake Arctic Embed L | OSS・1024次元・データクラウド系 |
| Qwen3 Embedding 8B (2024) | OSS・Alibaba・多言語強い |
よくある質問（FAQ）
Q1: OpenAI text-embedding-3-large と比べてどう？ A: 性能 (MTEB) +0.8 上回り、価格 $0.06 vs $0.13 で 46% 安く、コンテキスト 32K vs 8K で 4倍長文対応。全面的に Voyage 優位、特に Anthropic Claude 利用者は統合メリットで Voyage 一択。
Q2: 領域特化モデルの効果は？ A: 法律 RAG で Voyage-law-2 が一般 Voyage-3 比で精度 +15-20%、コード RAG で Voyage-code-3 が +10-15% 向上。専門領域 RAG は領域特化モデル必須、汎用は Voyage-3。
Q3: Anthropic 公式推奨の意味は？ A: Anthropic ドキュメント「ベスト プラクティス」セクションで Voyage が唯一の Embedding パートナーとして掲載。Claude + Voyage の組合せ事例集 + Code Sample 完備、エンタープライズ案件で「公式推奨スタック」として安心感大。
まとめ
- Voyage AI 2024年10月発表・エンタープライズ Embedding
- 1024 次元・MTEB 71.8・32K コンテキスト
- $0.06/1M トークン・OpenAI 比 46%
- 領域特化モデル（code/law/finance）多数
- Anthropic 公式推奨・Stanford 系スタートアップ