# เหตุใดเราจึงอัปเกรดการค้นหาโค้ดเป็น voyage-4-large

Canonical source: https://maguyva.ai/th/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

> เราย้ายเอ็มเบดดิ้งโค้ดของเราไปที่ voyage-4-large — ปัจจุบันอยู่อันดับหนึ่งของตารางอันดับการค้นคืนโค้ด RTEB สาธารณะ ฉบับตรงไปตรงมา: การแลกเปลี่ยนที่เรายอมรับ สิ่งที่เราทำดัชนีจริง และเหตุผลที่เราจ่ายเงินเพื่อเอ็มเบดดิ้งระดับพรีเมียม

> *ตัวเลขเบนช์มาร์กในบทความนี้สะท้อนตารางอันดับของ RTEB ณ วันที่เผยแพร่ (มิถุนายน 2026) ตารางอันดับเปลี่ยนแปลงได้ ให้ถือว่าอันดับเป็นภาพ ณ ช่วงเวลาหนึ่ง ไม่ใช่ข้อเท็จจริงถาวร*

Semantic search จะดีได้เพียงใด ขึ้นอยู่กับคุณภาพของเอ็มเบดดิ้งที่รองรับมัน

เมื่อ agent ถาม Maguyva ว่า "เราจัดการ retry ตรงไหน" มันไม่ได้ grep หาคำว่า "retry" มันกำลังถามหา *ความหมาย* — ลูป backoff, circuit breaker, สิ่งที่ห่อการเรียกที่ไม่เสถียร คำถามนั้นถูกตอบโดยโมเดลเวกเตอร์ที่แปลงโค้ดให้เป็นจุดในพื้นที่แล้วหาเพื่อนบ้าน เลือกโมเดลที่ดีกว่า แล้วทุกคิวรี semanticในผลิตภัณฑ์จะคมชัดขึ้นอย่างเงียบๆ

เราจึงเปลี่ยนของเรา ณ เดือนมิถุนายน 2026 เอ็มเบดดิ้งโค้ดของ Maguyva รันบน **`voyage-4-large`** แทนที่ `voyage-code-3`

## เบนช์มาร์ก

เราไม่ได้ตัดสินใจนี้ด้วยความรู้สึก [Retrieval Embedding Benchmark (RTEB)](https://embedding-benchmark-rteb.hf.space/code) สาธารณะจัดอันดับโมเดลเอ็มเบดดิ้งบนงาน retrieval จริง และบนตารางอันดับ **Code** ของมัน `voyage-4-large` อยู่ที่ **อันดับหนึ่งโดยรวม (90.86)** — นำหน้า `gemini-embedding-2-preview` (90.26) และที่น่าสังเกตคือ นำหน้าโมเดลที่เราใช้อยู่แล้ว `voyage-code-3` (89.73, อันดับ 3)

นั่นคือความต่างของคะแนนจริงที่ไม่มาก แต่มันคือช่องว่างในทิศทางที่ถูกต้อง บนเบนช์มาร์กสาธารณะ ในงานที่เราสนใจอย่างแท้จริง: การค้นคืนโค้ดตามความหมาย

## การแลกเปลี่ยนที่เรายอมรับ: Binary Quantization

นี่คือส่วนที่บทความ "เราอัปเกรดโมเดลของเรา" ส่วนใหญ่มักละไว้

Maguyva ไม่เก็บเวกเตอร์แบบ full-precision เราเก็บเอ็มเบดดิ้งแบบ **ไบนารีควอนไทซ์**: เวกเตอร์ 2048 มิติแต่ละตัวยุบเหลือซิกเนเจอร์ 2048 บิต — **256 ไบต์ต่อเวกเตอร์** ซิกเนเจอร์เหล่านั้นถูกค้นด้วย Hamming distance มีดัชนีและแบ่งพาร์ติชันแยกตามเทแนนต์

นั่นคือการแลกเปลี่ยนที่ตั้งใจ Binary quantization ยอมสละความแม่นยำในการค้นคืนบางส่วน แลกกับพื้นที่จัดเก็บที่เล็กลงอย่างมาก และการคำนวณระยะทางที่รวดเร็วและต้นทุนต่ำ โดยไม่ต้องมีฐานข้อมูลเวกเตอร์แยกต่างหากให้ดูแล สำหรับผลิตภัณฑ์ที่ทำดัชนีทั้งรีโพซิทอรีต่อเวิร์กสเปซ เศรษฐศาสตร์นั้นสำคัญกว่าการบีบเอาเศษเสี้ยวสุดท้ายของคะแนนเบนช์มาร์กออกมา

`voyage-4-large` เข้ากับดีไซน์นี้โดยไม่ต้องบังคับให้ย้ายชั้นพื้นที่จัดเก็บ: มันสร้างผลลัพธ์ 2048 มิติ เหมือนกับ `voyage-code-3` ดังนั้นคอลัมน์ `bit(2048)` และเส้นทาง Hamming search ของเราจึงไม่เปลี่ยนแปลง โมเดลดีขึ้น schema ยังคงเดิม

## โค้ดเป็นแค่จุดเริ่มต้น

Maguyva คือเครื่องมือโค้ดอินเทลลิเจนซ์ แต่เรายังเป็นลูกค้ารายแรกของตัวเองด้วย และเราชี้มันไปยังอีกสิ่งหนึ่ง: markdown ที่อยู่ในรีโพของเราข้างๆ โค้ด บันทึกการตัดสินใจเชิงสถาปัตยกรรม, runbook, สัญญา, เอกสารการเงินและนโยบาย — ทั้งหมดถูกควบคุมเวอร์ชันใน Git ทั้งหมดอยู่หลัง MCP เซิร์ฟเวอร์เดียวกัน ดัชนีเชิงความหมายเหนือ *เอกสาร* ไม่ใช่แค่ซอร์สโค้ด

นั่นคือเหตุผลที่ความกว้างของ voyage-4-large สำคัญพอดี ใน RTEB ตารางอันดับตระกูลเดียวกันนี้ มันคือ **อันดับหนึ่งด้านการเงิน อันดับหนึ่งด้าน healthcare และอันดับหนึ่งด้านการค้นคืนข้อความโดยรวม** — นำหน้า Gemini Embedding ของ Google, Embed v4 ของ Cohere และ text-embedding-3-large ของ OpenAI (Voyage เป็นผู้ร่วมสร้าง RTEB ดังนั้นเราจึงอ่านมันเป็นสัญญาณสาธารณะที่แข็งแกร่ง มากกว่าจะเป็นกรรมการที่เป็นกลางอย่างสมบูรณ์แบบ — แต่มันถูกเบนช์มาร์กแบบตัวต่อตัวกับโมเดลเชิงพาณิชย์หลักทุกตัว บนชุดข้อมูลที่กันไว้ทดสอบและไม่ได้เปิดเผยต่อสาธารณะ) ดัชนีเดียวกันที่หาฟังก์ชันที่ถูกต้องให้ agent ก็หาข้อสัญญาที่ถูกต้องในสัญญาหรือบรรทัดที่ถูกต้องในนโยบาย — และในโดเมนเหล่านั้น voyage-4-large ไม่ใช่การประนีประนอม มันคือผู้นำ

## เหตุใดเราจึงจ่ายเงินเพื่อ Embedding ระดับพรีเมียม

มีวิธีค้นหาที่ถูกกว่า และหลายวิธีก็ฟรี การค้นหาเชิงคำศัพท์ — BM25 และญาติของมัน — จับคู่คำสำคัญ รันในเครื่อง และไม่มีค่าใช้จ่าย โมเดลเอ็มเบดดิ้งแบบโอเพนซอร์สอย่าง BGE, Nomic และ embeddinggemma ให้การค้นคืนเชิงความหมายที่ *พอใช้ได้* จริง และคุณสามารถโฮสต์เองได้ในราคาของ GPU หนึ่งตัว Maguyva ใช้ฝั่งฟรีด้วยเหมือนกัน: ทุกคำค้นผสาน text, AST, graph และ semantic search เข้าด้วยกัน สิ่งที่เราไม่ลดต้นทุนจนเสียคุณภาพคือชั้น semantic

เราจ่ายเงินต่อ token สำหรับเอ็มเบดดิ้งระดับพรีเมียม — `voyage-4-large` — แทนที่จะโฮสต์โมเดลฟรีเอง ด้วยเหตุผลสองข้อ ข้อแรก การค้นหาด้วยคำสำคัญ อย่างเดียวตอบ "เราจัดการ retry ตรงไหน" ไม่ได้ เมื่อโค้ดเขียนว่า `backoff` และ `circuit breaker` และไม่เคยพูดคำว่า "retry" เลย — ความหมายคือประเด็นทั้งหมดของเอ็มเบดดิ้ง และในโดเมนที่เราให้บริการ โมเดลแบบเปิดยังตามหลังโมเดลพรีเมียมอยู่: ตามหลังไม่กี่คะแนนในข้อความทั่วไป และตามหลังมากกว่านั้น ในกลุ่มเฉพาะอย่างโค้ด สัญญา และการเงิน ข้อสอง จากประสบการณ์ของเรา คุณภาพการค้นคืนหล่อหลอมคำตอบสุดท้ายมากกว่าโมเดลที่อยู่อีกฝั่งหนึ่ง — agent ที่แข็งแกร่งแต่ได้รับบริบทผิดก็ยังตอบผิดอยู่ดี และมันไม่มีวันเห็นเอกสารที่มันไม่เคยได้รับ

ดังนั้นเอ็มเบดดิ้งระดับพรีเมียมจึงเป็นบิลต่อ token ที่ขยายตามทุกรีโพและเอกสารที่เราทำดัชนี — และเราจ่ายมันโดยตั้งใจ สำหรับผลลัพธ์ที่ผู้ใช้ของเราได้รับ ฟังก์ชันที่ถูกต้อง หรือข้อสัญญาที่ถูกต้อง เราคิดว่าการแลกเปลี่ยนนั้นคุ้มค่า

## ส่วนที่ตรงไปตรงมา

เอกสารของ Voyage เองยังคงระบุว่า `voyage-code-3` เป็นโมเดลที่ปรับให้เหมาะกับโค้ด แล้วทำไมถึงย้าย?

เพราะเราอ่านเบนช์มาร์กสาธารณะ ไม่ใช่แค่ตารางโมเดลของ vendor และเบนช์มาร์กจัดให้ `voyage-4-large` อยู่อันดับหนึ่งสำหรับการค้นคืนโค้ด นี่คือการตัดสินใจแบบมองไปข้างหน้า: เลือกโมเดลที่ใหม่กว่าและแข็งแกร่งกว่าโดยทั่วไป แล้วยืนยันมันกับตารางอันดับสาธารณะบนงานที่สำคัญ เราสบายใจที่จะเดิมพันแบบนี้เพราะหลักฐานนั้นกว้าง — voyage-4-large ไม่ได้แค่ชนะบนโค้ด มันยังนำในการเงิน healthcare และการค้นคืนโดยรวมด้วย

## รากฐานที่ไม่เด่นสะดุดตา

ทุกเครื่องมือที่เราเปิดให้ใช้ — semantic search, การรวบรวมบริบทงาน, การถาม-ตอบแบบอิงหลักฐาน — ล้วนมีการค้นคืนเป็นพื้นฐาน เมื่อตัวค้นคืนดีขึ้น agent ที่อีกฝั่งหนึ่งได้หลักฐานที่ดีขึ้น เลือกเส้นทางผิดน้อยลง และยึดคำตอบของมันไว้กับโค้ดที่ถูกต้อง — หรือข้อสัญญาที่ถูกต้อง หรือนโยบายที่ถูกต้อง โมเดลเอ็มเบดดิ้งที่คมชัดขึ้นไม่ใช่ฟีเจอร์หรูหรา มันคือรากฐานของทุกอย่าง และเราเพิ่งปรับปรุงรากฐานนั้น คุณจะไม่สังเกตเห็น นั่นคือประเด็น