语义搜索vs关键词搜索2026：embedding何时赢、BM25何时仍占优

Embedding号称理解语义，但很多真实场景关键词搜索仍然更优。2026年各自真正强在哪里？混合方案长什么样？

💡 你将学到

Embedding号称理解语义，但很多真实场景关键词搜索仍然更优。2026年各自真正强在哪里？混合方案长什么样？

Embedding没有杀死关键词搜索。对精确词、ID、代码、稀有词汇，BM25（经典关键词排序）快速、精确、可预测；对改写、同义词、意图，embedding赢。2026年的答案通常是两者都要。关键词搜索赢的场景：精确匹配（零件号、SKU、错误码，embedding可能没见过SKU-8821，BM25精确命中）；稀有技术词（embedding会把稀有词模糊向常见词）；新内容（不用重新embedding，关键词索引即时更新）；小数据集（1万文档以下语义优势边际化）；透明可解释。语义搜索赢的场景：同义词和改写（笔记本vs手提电脑、取消vs退款）；自然语言查询；跨语言（英文查询中文文档）；概念匹配。BEIR等基准显示混合（BM25加稠密）稳定胜过单独任一，nDCG@10典型提升5-15%——这就是2026年严肃搜索栈全是混合的原因。混合模式：并行跑BM25和embedding，用重排器（cross-encoder）给两边top候选打分，返回重排结果。Elasticsearch（7.8万星）、OpenSearch、Qdrant（3.3万星）、Weaviate（1.7万星）都原生支持混合。选择指南：代码ID错误码只BM25；1万文档以内精确词优先BM25；面向用户的自然语言搜索混合加重排；跨语言用embedding。花一周在自己数据上建两个索引跑50条真实查询手工对比，多数团队会发现两边抓到的是不同查询。