# Γιατί Αναβαθμίσαμε την Αναζήτηση Κώδικα σε voyage-4-large

Canonical source: https://maguyva.ai/el/blog/upgrading-code-search-to-voyage-4-large

License: text under [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/); code samples under [MIT-0](https://opensource.org/license/mit-0); the Maguyva name, logos, brand assets and other code are not covered. Details: [maguyva.ai/license](https://maguyva.ai/license).

Date: 2026-06-09 · Author: Maguyva Team

> Μεταφέραμε τα ενσωματώματα κώδικά μας στο voyage-4-large — προς το παρόν στην κορυφή του δημόσιου πίνακα κατάταξης ανάκτησης κώδικα RTEB. Η ειλικρινής εκδοχή: ο συμβιβασμός που αποδεχόμαστε, τι πραγματικά ευρετηριάζουμε και γιατί πληρώνουμε για ενσωματώματα πρέμιουμ.

> *Οι βαθμολογίες των benchmarks σε αυτή την ανάρτηση αντικατοπτρίζουν τους πίνακες κατάταξης RTEB κατά τη δημοσίευση (Ιούνιος 2026). Οι πίνακες κατάταξης αλλάζουν· αντιμετωπίστε τις κατατάξεις ως στιγμιότυπο, όχι ως μόνιμο γεγονός.*

Η ποιότητα της σημασιολογικής αναζήτησης εξαρτάται από τα ενσωματώματα στα οποία βασίζεται.

Όταν ένας πράκτορας ρωτά το Maguyva «πού χειριζόμαστε τις επαναλήψεις αποτυχημένων προσπαθειών», δεν κάνει grep για τη λέξη «retry». Ζητά το *νόημα* — τον βρόχο σταδιακής αναμονής μεταξύ προσπαθειών, τον μηχανισμό διακοπής κλήσεων μετά από επανειλημμένες αποτυχίες, το περιτύλιγμα γύρω από μια ασταθή κλήση. Αυτή η ερώτηση απαντιέται από ένα διανυσματικό μοντέλο που μετατρέπει τον κώδικα σε ένα σημείο στον χώρο και βρίσκει τους γείτονές του. Επιλέξτε ένα καλύτερο μοντέλο και κάθε σημασιολογικό ερώτημα στο προϊόν γίνεται σιωπηλά πιο ακριβές.

Έτσι αλλάξαμε το δικό μας. Από τον Ιούνιο του 2026, τα ενσωματώματα κώδικα του Maguyva τρέχουν πάνω στο **`voyage-4-large`**, αντικαθιστώντας το `voyage-code-3`.

## Το Benchmark

Δεν πήραμε αυτή την απόφαση με διαίσθηση. Το δημόσιο [Benchmark Ενσωματωμάτων Ανάκτησης (RTEB)](https://embedding-benchmark-rteb.hf.space/code) κατατάσσει μοντέλα ενσωματωμάτων σε πραγματικές εργασίες ανάκτησης, και στον πίνακα κατάταξης **Code** το `voyage-4-large` βρίσκεται στην **#1 θέση συνολικά (90,86)** — μπροστά από το `gemini-embedding-2-preview` (90,26) και, αξιοσημείωτα, μπροστά από το μοντέλο που ήδη χρησιμοποιούσαμε, το `voyage-code-3` (89,73, #3).

Αυτό είναι μια μικρή απόλυτη διαφορά. Όμως είναι μια διαφορά προς τη σωστή κατεύθυνση, σε ένα δημόσιο benchmark, στην ακριβή εργασία που μας ενδιαφέρει: την ανάκτηση κώδικα βάσει νοήματος.

## Ο Συμβιβασμός που Αποδεχόμαστε: Δυαδική Κβάντιση

Εδώ είναι το κομμάτι που οι περισσότερες αναρτήσεις τύπου «αναβαθμίσαμε το μοντέλο μας» παραλείπουν.

Το Maguyva δεν αποθηκεύει διανύσματα πλήρους ακρίβειας. Αποθηκεύουμε ενσωματώματα με **δυαδική κβάντιση**: κάθε διάνυσμα 2048 διαστάσεων συμπτύσσεται σε μια υπογραφή 2048 μπιτ — **256 μπάιτ ανά διάνυσμα**. Αυτές οι υπογραφές αναζητούνται με απόσταση Hamming, ευρετηριασμένες και κατατμημένες ανά tenant.

Αυτό είναι ένας σκόπιμος συμβιβασμός. Η δυαδική κβάντιση θυσιάζει κάποια ακρίβεια ανάκτησης σε αντάλλαγμα για δραματικά μικρότερη αποθήκευση και γρήγορους, φθηνούς υπολογισμούς απόστασης χωρίς να χρειάζεται ξεχωριστή βάση δεδομένων διανυσμάτων για λειτουργία. Για ένα προϊόν που ευρετηριάζει ολόκληρα αποθετήρια ανά χώρο εργασίας, αυτή η οικονομία έχει μεγαλύτερη σημασία από το να αποσπάσετε το τελευταίο κλάσμα μιας μονάδας σε ένα benchmark.

Το `voyage-4-large` ταιριάζει σε αυτόν τον σχεδιασμό χωρίς να επιβάλλει μετάβαση του επιπέδου αποθήκευσης: παράγει έξοδο 2048 διαστάσεων, όπως ακριβώς και το `voyage-code-3`, οπότε οι στήλες `bit(2048)` και η διαδρομή αναζήτησης Hamming δεν άλλαξαν. Το μοντέλο έγινε καλύτερο· το σχήμα παρέμεινε ίδιο.

## Ο Κώδικας Ήταν Μόνο η Αρχή

Το Maguyva είναι ένα εργαλείο ευφυΐας κώδικα. Όμως είμαστε επίσης ο δικός μας πρώτος πελάτης, και το στρέφουμε και σε κάτι άλλο: το markdown που ζει στα αποθετήριά μας δίπλα στον κώδικα. Αρχεία αρχιτεκτονικών αποφάσεων, οδηγούς λειτουργίας, συμβόλαια, οικονομικά και έγγραφα πολιτικής — όλα υπό έλεγχο εκδόσεων στο Git, όλα πίσω από τον ίδιο διακομιστή MCP, ένα σημασιολογικό ευρετήριο πάνω στα *έγγραφα*, όχι μόνο στον πηγαίο κώδικα.

Γι' αυτό ακριβώς έχει σημασία το εύρος του voyage-4-large. Στην ίδια οικογένεια πινάκων κατάταξης RTEB βρίσκεται στην **#1 θέση στα οικονομικά, #1 στην υγεία και #1 στη συνολική ανάκτηση κειμένου** — μπροστά από το Gemini Embedding της Google, το Embed v4 της Cohere και το text-embedding-3-large της OpenAI. (Η Voyage είναι συνδημιουργός του RTEB, οπότε το διαβάζουμε ως ισχυρό δημόσιο σήμα και όχι ως απόλυτα ουδέτερο διαιτητή — όμως αξιολογείται σε άμεση σύγκριση έναντι κάθε μεγάλου εμπορικού μοντέλου, σε μη δημόσια σύνολα δεδομένων που έχουν κρατηθεί για αξιολόγηση.) Το ίδιο ευρετήριο που βρίσκει τη σωστή συνάρτηση για έναν πράκτορα βρίσκει και τη σωστή ρήτρα σε ένα συμβόλαιο ή τη σωστή γραμμή σε μια πολιτική — και σε αυτούς τους τομείς, το voyage-4-large δεν είναι συμβιβασμός, είναι ο ηγέτης.

## Γιατί Πληρώνουμε για Ενσωματώματα Πρέμιουμ

Υπάρχει ένας φθηνότερος τρόπος για να κάνετε αναζήτηση, και μεγάλο μέρος του είναι δωρεάν. Η λεξιλογική αναζήτηση — το BM25 και συγγενικά του — αντιστοιχίζει λέξεις-κλειδιά, τρέχει τοπικά και δεν κοστίζει τίποτα. Ανοιχτού κώδικα μοντέλα ενσωματωμάτων όπως τα BGE, Nomic και embeddinggemma προσφέρουν γνήσια *αξιοπρεπή* σημασιολογική ανάκτηση, και μπορείτε να τα φιλοξενήσετε μόνοι σας για το κόστος μιας GPU. Το Maguyva χρησιμοποιεί και τη δωρεάν πλευρά: κάθε ερώτημα συγχωνεύει αναζήτηση κειμένου, AST, γράφου και σημασιολογική αναζήτηση. Αυτό στο οποίο δεν τσιγκουνευόμαστε είναι το σημασιολογικό επίπεδο.

Πληρώνουμε ανά token για ενσωματώματα πρέμιουμ — `voyage-4-large` — αντί να φιλοξενήσουμε μόνοι μας ένα δωρεάν μοντέλο, για δύο λόγους. Πρώτον, η αναζήτηση μόνο με λέξεις-κλειδιά δεν μπορεί να απαντήσει στο «πού χειριζόμαστε τις επαναλήψεις αποτυχημένων προσπαθειών» όταν ο κώδικας λέει `backoff` και `circuit breaker` και ποτέ δεν λέει τη λέξη «retry» — η αποτύπωση του νοήματος είναι ο βασικός σκοπός του ενσωματώματος, και στους τομείς που εξυπηρετούμε τα ανοιχτά μοντέλα υστερούν έναντι των πρέμιουμ: μερικές μονάδες πίσω σε γενικό κείμενο, και ακόμη πιο πίσω σε εξειδικευμένους τομείς όπως ο κώδικας, τα συμβόλαια και τα οικονομικά. Δεύτερον, από την εμπειρία μας η ποιότητα ανάκτησης διαμορφώνει την τελική απάντηση περισσότερο από το μοντέλο στην άλλη άκρη — ένας ισχυρός πράκτορας στον οποίο δίνεται λάθος πλαίσιο εξακολουθεί να απαντά λάθος, και ποτέ δεν βλέπει το έγγραφο που ποτέ δεν του δόθηκε.

Έτσι τα ενσωματώματα πρέμιουμ είναι ένας λογαριασμός ανά token που κλιμακώνεται με κάθε αποθετήριο και έγγραφο που ευρετηριάζουμε — και τον πληρώνουμε σκόπιμα. Για το αποτέλεσμα που παίρνουν οι χρήστες μας, τη σωστή συνάρτηση ή τη σωστή ρήτρα, πιστεύουμε ότι αυτός ο συμβιβασμός αξίζει.

## Το Ειλικρινές Κομμάτι

Η ίδια η τεκμηρίωση της Voyage εξακολουθεί να χαρακτηρίζει το `voyage-code-3` ως το μοντέλο βελτιστοποιημένο για κώδικα. Γιατί λοιπόν να αλλάξουμε;

Επειδή διαβάζουμε το δημόσιο benchmark, όχι μόνο τον πίνακα μοντέλων του προμηθευτή, και το benchmark έβαλε το `voyage-4-large` στην κορυφή για ανάκτηση κώδικα. Αυτή ήταν μια απόφαση με βλέμμα στο μέλλον: πάρτε το νεότερο, γενικά ισχυρότερο μοντέλο και επικυρώστε το έναντι ενός δημόσιου πίνακα κατάταξης στις εργασίες που έχουν σημασία. Νιώθουμε άνετα να κάνουμε αυτό το στοίχημα επειδή τα στοιχεία είναι ευρεία — το voyage-4-large δεν κερδίζει μόνο στον κώδικα, ηγείται και στα οικονομικά, στην υγεία και στη συνολική ανάκτηση.

## Το Σιωπηλό Θεμέλιο

Κάθε εργαλείο που εκθέτουμε — σημασιολογική αναζήτηση, συλλογή πλαισίου εργασίας, τεκμηριωμένες ερωτοαπαντήσεις — βασίζεται στην ανάκτηση. Όταν ο ανακτητής βελτιώνεται, ο πράκτορας στην άλλη άκρη παίρνει καλύτερα στοιχεία, ακολουθεί λιγότερες λανθασμένες κατευθύνσεις και τεκμηριώνει τις απαντήσεις του στον σωστό κώδικα — ή στη σωστή ρήτρα, ή στη σωστή πολιτική. Ένα πιο ακριβές μοντέλο ενσωματωμάτων δεν είναι ένα εντυπωσιακό χαρακτηριστικό. Είναι το θεμέλιο κάτω από όλα τα υπόλοιπα, και μόλις το ενισχύσαμε. Δεν θα το προσέξετε. Αυτό είναι το νόημα.