RAG中Embedding模型选型与对比
请对比RAG系统中常用的Embedding模型：OpenAI text-embedding-3、BGE、Cohere、E5、text2vec。选择嵌入模型时应考虑哪些因素？如何评估嵌入质量？
回答
小字辈
主流Embedding模型对比：
| 模型 | 维度 | 最大Token | 语言 | MTEB |
|---|---|---|---|---|
| OpenAI text-embedding-3 | 1536/3072 | 8191 | 多语言 | 64.6 |
| BGE-large | 1024 | 512 | 中英 | 64.2 |
| Cohere embed-v3 | 1024 | 512 | 多语言 | 66.5 |
| E5-mistral | 4096 | 4096 | 英文 | 66.6 |
| text2vec-large | 1024 | 512 | 中文 | 62+ |
选型因素：
- 语言支持(中文场景推荐BGE/text2vec)
- 维度(低维度更省存但可能精度低)
- 最大Token数(影响Chunk大小)
- MTEB评分(标准benchmark)
- 推理成本(自建vs API)
评估：将嵌入用在检索任务中测试Recall@k/MRR/NCDG。