Embedding模型对比：OpenAI、Cohere、开源哪个好

什么是Embedding模型

Embedding模型把文本变成向量（一串数字），RAG用它搜索相似文档。选对Embedding模型直接影响RAG效果。

代码实测：不同Embedding的效果差距

from sentence_transformers import SentenceTransformer
import numpy as np

query = "怎么办理退货"
docs = ["退货政策是30天内免费退货", "新品上架：iPhone15已到货", "满200元包邮"]

model = SentenceTransformer("BAAI/bge-large-zh-v1.5")
query_vec = model.encode(query)
doc_vecs = model.encode(docs)

scores = np.dot(doc_vecs, query_vec) / (
    np.linalg.norm(doc_vecs, axis=1) * np.linalg.norm(query_vec)
)
for doc, score in zip(docs, scores):
    print(f"{score:.3f} -> {doc}")
# 0.892 -> 退货政策...（正确命中）
# 0.451 -> 新品上架（无关，分数低）
# 0.523 -> 运费政策（部分相关）

主流方案对比

推荐

中文场景：BAAI/bge-large-zh-v1.5（开源免费、中文MTEB最高） 英文场景：OpenAI text-embedding-3-small（性价比最高） 多语言：Cohere embed-multilingual-v3（覆盖最广）

注意：embedding维度高不等于效果好，关键看对应语言的评测分数。