Embedding: i migliori modelli per ricerca e RAG nel 2026

I migliori modelli embedding sono quelli che trovano con affidabilità il contenuto necessario per rispondere: parti da OpenAI text-embedding-3-small come riferimento economico per il testo, confrontalo con Voyage 4 per il recupero delle informazioni e scegli Google Gemini Embedding 2 quando le fonti includono audio o video. Il modello small di OpenAI parte da $0.02 per milione di token in input, ma l'impegno maggiore è l'indice vettoriale, che dovrai ricostruire se passerai a un modello incompatibile.

Un modello embedding trasforma un contenuto in un vettore: un elenco di numeri che permette alla ricerca di riconoscere significati affini anche quando le parole sono diverse. Per un bot di assistenza significa collegare «Non riesco a entrare nel mio account» all'articolo corretto sulla risoluzione dei problemi di accesso. La retrieval-augmented generation, o RAG, passa poi la fonte recuperata al modello che scrive la risposta.

Specifiche, prezzi e licenze verificati sulle pagine ufficiali dei produttori il 15 ottobre 2026. Questo confronto si basa sulla documentazione: non è un benchmark di accuratezza o latenza condotto sul campo. Le indicazioni che seguono sono punti di partenza per una valutazione sui tuoi dati. La tariffa citata nell'introduzione proviene dal listino OpenAI.

Modelli embedding a confronto: la panoramica

Scegli il modello meno costoso che soddisfa i requisiti di recupero delle informazioni; rivedi poi la selezione quando lo richiedono le lingue, i formati delle fonti o i vincoli di distribuzione. Le sette famiglie qui sotto coprono API gestite, installazioni private e pesi scaricabili.

I prezzi sono le tariffe standard a pagamento in USD per milione di token di testo in input, salvo le righe che indicano l'hosting autonomo. Non comprendono il database vettoriale, la generazione delle risposte e il reranking, cioè l'assegnazione di nuovi punteggi ai risultati recuperati tramite un altro modello. Ogni fornitore suddivide il testo in token in modo diverso: lo stesso documento può quindi generare quantità diverse di token fatturabili.

«Pesi aperti» significa che i file del modello sono disponibili per l'esecuzione autonoma. Non significa che calcolo, distribuzione o manutenzione siano gratuiti. Anche «multilingue» non vuol dire uguale accuratezza in ogni lingua: prova le effettive combinazioni tra lingua della domanda e lingua del documento usate dai tuoi clienti.

I modelli da prendere in considerazione

1. OpenAI text-embedding-3: il punto di partenza per il testo

OpenAI text-embedding-3-small e text-embedding-3-large sono modelli embedding testuali erogati tramite API. Consiglio small come punto di partenza a chi sta lanciando una ricerca tradizionale per il centro assistenza o un bot di supporto. Offre un riferimento economico senza dover gestire server per i modelli. Large va messo alla prova quando small continua a non trovare passaggi pertinenti: pagarlo prima di avere esempi concreti di questi errori significa saltare la parte più utile della decisione.

Dimensioni: small usa 1,536 dimensioni predefinite; large ne usa 3,072. Entrambi consentono vettori più corti tramite il parametro dimensions.
Input massimo: 8,192 token per input per entrambi i modelli.
Lingue e modalità: testo multilingue; nessuno dei due accetta immagini, audio o video. La documentazione citata non fornisce un conteggio esaustivo delle lingue supportate.
Dove eseguirlo: API embedding gestita da OpenAI. Specifiche, modalità.
Ideale per: un'applicazione incentrata sul testo, quando lo sviluppatore vuole ottenere rapidamente un riferimento misurabile.
Punto di forza: la stessa API permette di confrontare small e large e di configurare la dimensione dell'output.
Prezzi: $0.02 per milione di token in input per small; $0.13 per large, alle tariffe standard verificate il 15 ottobre 2026. Listino.
Prova gratuita: non si presuppone alcun credito API iniziale; il budget va calcolato sull'utilizzo a pagamento.

Il limite è il formato dell'input. Un PDF per la risoluzione dei problemi, ridotto al solo testo estratto, può perdere lo screenshot che mostra quale pulsante premere. Nessuno dei due modelli embedding OpenAI recupera quell'informazione visiva. Usa gli embedding testuali quando la risposta sopravvive all'estrazione; valuta un modello multimodale quando è l'aspetto della pagina a contenerla.

Distingui inoltre la dimensione del modello da quella del vettore. Large con un output ridotto può rispettare un vincolo di archiviazione esistente, ma questo non lo rende intercambiabile con small. La stessa lunghezza del vettore garantisce la corrispondenza dello schema, non dimostra che i due modelli organizzino il significato allo stesso modo.

Costruire un riferimento senza nascondere gli errori di ricerca

Mantieni la configurazione iniziale abbastanza semplice da poter spiegare perché compare un determinato risultato.

1. 1

   Prepara blocchi di contenuto che possano rispondere alle domande

   Suddividi il centro assistenza per argomento o sezione. Conserva insieme a ogni passaggio il titolo del documento, l'URL della fonte, i permessi del cliente e un identificativo stabile del blocco. Evita di unire istruzioni scollegate soltanto per riempire la finestra di contesto del modello.

2. 2

   Fissa la configurazione degli embedding

   Scegli text-embedding-3-small e registra la dimensione dell'output. Genera gli embedding di tutti i passaggi archiviati con quella configurazione, quindi crea un indice vettoriale con la dimensione corrispondente. Conserva separatamente il testo originale.

3. 3

   Prova la ricerca prima di aggiungere la generazione delle risposte

   Genera l'embedding di ogni domanda di prova con la stessa configurazione, recupera i passaggi più vicini e controllali. Una risposta generata plausibile può nascondere il fatto che la ricerca abbia selezionato la fonte sbagliata.

4. 4

   Confronta un'alternativa sulle stesse domande

   Crea un indice candidato separato per large o Voyage. Mantieni invariati i blocchi delle fonti e le etichette di pertinenza. Adotta l'alternativa solo se il miglioramento conta per la tua applicazione.

2. Voyage AI 4: l'alternativa API focalizzata sul recupero delle informazioni

La famiglia Voyage 4 di Voyage AI offre embedding testuali tramite API e merita un confronto con il modello di riferimento quando la qualità della ricerca è centrale per il prodotto. Inizia da voyage-4, poi valuta lite per latenza e costi oppure large, che il produttore presenta come l'opzione generalista di qualità più elevata. Una ricerca nella documentazione tecnica, in cui i clienti descrivono lo stesso problema con parole diverse, è una prova più utile di una raccolta di semplici corrispondenze tra parole chiave.

Dimensioni: 1,024 predefinite; voyage-4-lite, voyage-4 e voyage-4-large supportano anche 256, 512 e 2,048 dimensioni.
Input massimo: 32,000 token per ciascuno di questi modelli.
Lingue e modalità: testo multilingue; la tabella dei modelli non riporta un conteggio esaustivo delle lingue. Sono modelli distinti dalla linea multimodale Voyage.
Dove eseguirlo: API embedding gestita da Voyage AI. Specifiche dei modelli.
Ideale per: sviluppatori disposti a confrontare i risultati di ricerca prima di scegliere l'API.
Punto di forza: embedding compatibili all'interno della famiglia generalista Voyage 4.
Prezzi: per milione di token in input, $0.02 per 4-lite, $0.06 per 4 e $0.12 per 4-large, verificati il 15 ottobre 2026. Listino.
Prova gratuita: il listino indica una dotazione iniziale di 200 milioni di token gratuiti per i modelli generalisti attuali; verifica la quota prevista per il modello utilizzato.

La compatibilità dichiarata ha un'utilità operativa. Voyage documenta uno spazio di embedding condiviso all'interno di questa famiglia: puoi quindi valutare una variante diversa per le query senza dover necessariamente ricostruire tutti i vettori dei documenti. Mantieni coerenti le dimensioni dell'output e misura proprio quell'abbinamento tra modello dei documenti e modello delle query. Non estendere questa garanzia a ogni modello con il nome Voyage.

Il limite da sorvegliare è il troncamento silenzioso: l'impostazione API truncation è attiva per impostazione predefinita. Un documento lungo può produrre un vettore valido anche se la sua parte finale è stata scartata. Durante lo sviluppo dell'acquisizione imposta truncation=false, così gli input troppo grandi generano un errore visibile; correggi poi la suddivisione in blocchi. Un contesto ampio lascia spazio a passaggi coerenti, ma non è un motivo per trasformare un intero manuale in un solo risultato di ricerca. Comportamento dell'API.

Per un corpus composto soltanto da codice, il produttore propone anche voyage-code-4: confronta il modello specializzato con quello generalista su domande relative al repository. La presenza di frammenti di codice in qualche articolo di assistenza non basta, da sola, a giustificare l'aggiunta di uno specialista.

3. Google Gemini Embedding 2: la scelta multimodale più ampia

Google Gemini Embedding 2 è l'opzione gestita da valutare quando la ricerca deve collegare testo, immagini, audio, video o pagine PDF. Un sistema di assistenza che comprende guide scritte e dimostrazioni di prodotto registrate può mantenere questi formati in un unico spazio di embedding. Sceglilo perché quelle modalità contengono informazioni utili, poi confronta i risultati sulle tue fonti: un centro assistenza composto solo da testo non trae automaticamente vantaggio da una gamma più ampia di input.

Dimensioni: da 128 a 3,072; Google consiglia 768, 1,536 o 3,072.
Input massimo: 8,192 token.
Lingue e modalità: oltre 100 lingue; testo, immagini, audio, video e PDF.
Dove eseguirlo: Gemini API, con l'identificativo stabile gemini-embedding-2. Scheda del modello, funzionalità.
Ideale per: ricerca gestita su fonti che il solo testo estratto non rappresenta adeguatamente.
Punto di forza: audio e video si affiancano a testo e immagini nello stesso spazio vettoriale.
Prezzi: le tariffe standard per milione di token in input sono $0.20 per il testo, $0.45 per le immagini, $6.50 per l'audio e $12.00 per il video, verificate il 15 ottobre 2026. Listino.
Prova gratuita: è disponibile un piano API gratuito, soggetto ai relativi limiti di utilizzo.

Il vincolo è l'acquisizione specifica per ciascuna modalità. Google consente fino a 6 immagini, 180 secondi di audio, 120 secondi di video oppure un PDF fino a 6 pagine per richiesta, nel rispetto dei limiti complessivi di input. L'elaborazione video usa al massimo 32 fotogrammi e non elabora la traccia audio del video. Per una dimostrazione commentata serve quindi un piano esplicito sia per la spiegazione parlata sia per le immagini. Limiti di input.

Conserva il riferimento temporale o il numero di pagina insieme a ogni elemento convertito in embedding. Trovare il video giusto è meno utile che aprirlo nel punto pertinente; recuperare il PDF corretto è meno utile che identificare la pagina contenente la risposta. Sono la suddivisione in blocchi e i metadati a determinare questa esperienza di navigazione.

Chi usa già Google deve considerare un dettaglio di migrazione: gemini-embedding-001 e gemini-embedding-2 hanno spazi di embedding incompatibili. Mantenere lo stesso numero di dimensioni non conserva la compatibilità. Google richiede esplicitamente di rigenerare gli embedding del corpus esistente quando si passa dall'uno all'altro. Indicazioni per la migrazione.

4. Cohere Embed 5: documenti aziendali e flessibilità di distribuzione

Cohere Embed 5 è un candidato per i team che devono cercare in documenti lunghi, tabelle, grafici e pagine con testo e immagini. La famiglia attuale comprende embed-v5.0-pro ed embed-v5.0-fast. Per un assistente interno che cerca in manuali dalla struttura visiva complessa, confronta una ricerca che tenga conto della pagina con l'estrazione testuale già in uso: il punto è capire se l'istruzione corretta sopravvive al processo di acquisizione.

Dimensioni: 2,048 predefinite; sono supportate anche 256, 512, 768, 1,024 e 1,536 dimensioni.
Input massimo: 128K token sia per Pro sia per Fast.
Lingue e modalità: oltre 100 lingue; testo, immagini e input misti di testo e immagini, comprese le rappresentazioni delle pagine dei documenti.
Dove eseguirlo: Cohere API, Model Vault, Microsoft Foundry e Amazon SageMaker; sono supportate anche installazioni private commerciali nella propria VPC o in sede. Specifiche, distribuzione e copertura linguistica.
Ideale per: ricerca nei documenti aziendali con esigenze di distribuzione che vanno oltre un'API pubblica condivisa.
Punto di forza: Pro e Fast condividono lo spazio di embedding, permettendo di interrogare con Fast un corpus indicizzato con Pro.
Prezzi: $0.08 per milione di token di testo per Fast o $0.12 per Pro; entrambi indicano $0.40 per milione di token immagine, verificati il 15 ottobre 2026. Prezzi del testo, prezzi delle immagini.
Prova gratuita: le chiavi API di prova sono gratuite e soggette a limiti di frequenza; non possono essere usate in produzione o per scopi commerciali.

La finestra di contesto ampia è utile quando un passaggio ha bisogno del testo circostante, ma non risolve la progettazione della ricerca. Se il blocco restituito contiene un intero manuale, il modello che risponde deve ancora trovare il passaggio pertinente. Confronta una rappresentazione a contesto lungo con blocchi a livello di sezione prima di scegliere l'input più grande solo perché rientra nel limite.

Cohere supporta anche rappresentazioni dell'output float, int8 e binarie. Queste indicano come vengono memorizzati i numeri del vettore; le rappresentazioni più compatte possono modificare l'uso della memoria e il comportamento della ricerca. Verifica quali formati accettano il database e l'implementazione scelti, poi misura la configurazione compressa in quanto tale. Un risultato ottenuto con vettori float a dimensione piena non convalida automaticamente un indice binario più piccolo.

Il produttore documenta ancora embed-v4.0, con contesto di 128K e 1,536 dimensioni predefinite. È un modello esistente da valutare per le sue caratteristiche, che non vanno confuse con le specifiche della famiglia attuale. Inoltre, l'installazione privata non rende Embed 5 un modello scaricabile con licenza Apache: le condizioni commerciali di distribuzione restano parte dell'acquisto.

5. Qwen3-Embedding: la famiglia aperta e configurabile per il testo

Qwen3-Embedding offre agli sviluppatori modelli embedding testuali scaricabili in più taglie. È quindi un candidato solido per l'hosting autonomo quando la posizione dei dati o il controllo dell'ambiente di esecuzione determinano l'architettura. Per un'azienda che cerca in documenti tecnici riservati, conviene iniziare dalla variante più piccola che raggiunge l'obiettivo di pertinenza. Passare subito al checkpoint più grande può trasformare la scelta di un embedding in un progetto infrastrutturale prima ancora di sapere se migliora le risposte.

Dimensioni: gli output massimi sono 1,024 per 0.6B, 2,560 per 4B e 4,096 per 8B; la famiglia supporta dimensioni regolabili.
Input massimo: 32K token per queste varianti.
Lingue e modalità: oltre 100 lingue, con supporto alla ricerca nel codice; input testuale. Si tratta di Qwen3-Embedding, distinto dalla famiglia Qwen3-VL.
Dove eseguirlo: sulla propria infrastruttura, seguendo gli esempi del produttore per Sentence Transformers, Transformers, vLLM o Text Embeddings Inference. Scheda del modello.
Licenza: Apache 2.0. File della licenza.
Ideale per: ricerca testuale multilingue su infrastruttura propria, con controllo sulla taglia del modello e sulla dimensione dell'output.
Punto di forza: le istruzioni del task permettono di specificare il compito di ricerca.
Prezzi: pesi aperti, hosting autonomo; non esiste un prezzo infrastrutturale universale per milione di token.
Prova gratuita: pesi scaricabili; l'ambiente di esecuzione e le risorse di calcolo sono a tuo carico.

Il vincolo è il costo di erogazione del servizio e il suo comportamento sotto carico. Misura separatamente la capacità di indicizzazione e la latenza delle query interattive. Il caricamento iniziale di un corpus può tollerare una coda; il cliente in attesa di assistenza avverte ogni ritardo aggiuntivo dell'inferenza. Dimensione dei batch, lunghezza degli input, hardware e concorrenza determinano se il modello più grande è adatto al prodotto.

Segui le istruzioni per il recupero delle informazioni riportate nella scheda del modello. Il formato delle query fa parte della configurazione che stai valutando: registralo insieme al checkpoint e alle dimensioni dell'output. Un benchmark con un certo formato di istruzioni non convalida un prompt diverso in produzione. Durante il confronto mantieni stabili le convenzioni sia per i documenti sia per le query.

L'hosting autonomo è particolarmente convincente quando il controllo ha un valore in sé o quando il carico misurato giustifica la gestione operativa. Non è automaticamente il modo più economico di generare embedding per un piccolo centro assistenza. Il modesto costo dei token di un servizio gestito può essere inferiore al tempo speso a mantenere un servizio di modelli, ancora prima di contare l'hardware.

6. BAAI BGE-M3: ricerca aperta oltre il singolo vettore denso

BAAI BGE-M3 è il modello aperto da valutare quando vuoi ottenere ricerca densa, sparsa e multivettoriale dallo stesso modello. I vettori densi rappresentano la similarità semantica; le rappresentazioni sparse assegnano pesi a caratteristiche lessicali; la ricerca multivettoriale conserva più di un vettore per un confronto più articolato. Un corpus di assistenza con identificativi di prodotto e codici di errore è un buon banco di prova per questi approcci: la sola vicinanza di significato può restituire un identificativo diverso da quello esatto.

Dimensioni: 1,024 per l'embedding denso; gli output sparsi e multivettoriali hanno strutture diverse.
Input massimo: 8,192 token.
Lingue e modalità: più di 100 lingue; testo.
Dove eseguirlo: su infrastruttura propria, usando l'implementazione FlagEmbedding del produttore. Scheda del modello.
Licenza: MIT, come indicato nei metadati della scheda ufficiale.
Ideale per: sviluppatori pronti a valutare la ricerca ibrida, che combina segnali lessicali e semantici.
Punto di forza: più rappresentazioni per la ricerca da un'unica famiglia di modelli.
Prezzi: pesi aperti, hosting autonomo; calcolo e archiviazione sono a tuo carico.
Prova gratuita: pesi scaricabili; non è implicita alcuna quota gratuita di un servizio gestito.

Il limite è che generare più rappresentazioni non significa che il database le utilizzi. Se salvi soltanto il vettore denso ed esegui una ricerca densa, hai costruito un sistema di ricerca densa. Usare l'output sparso o multivettoriale richiede indicizzazione e calcolo dei punteggi compatibili, oltre a una scelta su come combinare i risultati.

Parti dalla ricerca densa, poi aggiungi il segnale lessicale sulle domande in cui dovrebbe essere utile: nomi esatti di componenti, stringhe di errore e identificativi. Controlla se questi miglioramenti penalizzano il riconoscimento di parafrasi più ampie. Aggiungi un reranker soltanto quando puoi osservare i risultati candidati che gli chiedi di correggere.

BGE-M3 merita un posto per questa flessibilità, non perché un vecchio benchmark di lancio dimostri che batte ogni API attuale. Se ti servono soltanto semplici embedding densi, confrontalo con Qwen e con il modello gestito di riferimento prima di accettare una maggiore complessità della ricerca.

7. Google EmbeddingGemma: ricerca locale, due generazioni distinte

Google EmbeddingGemma 2 è il candidato locale quando l'applicazione deve cercare testo e contenuti multimediali sul dispositivo dell'utente. Uno strumento desktop per la gestione delle conoscenze potrebbe indicizzare appunti insieme a screenshot o registrazioni senza inviare ogni elemento a un'API embedding gestita. Il modello attuale e l'originale embeddinggemma-300m differiscono per input supportati, lunghezza del contesto e licenza: fissa quindi il repository esatto nella build.

Dimensioni: EmbeddingGemma 2 produce output di 768 dimensioni, con opzioni a 512, 256 e 128.
Input massimo: 8,192 token.
Lingue e modalità: oltre 100 lingue; testo, compreso il codice, immagini, video e audio.
Dove eseguirlo: in locale o sulla propria infrastruttura; il produttore fornisce esempi con Sentence Transformers. I suoi 740M parametri totali comprendono encoder visivi e audio caricabili selettivamente. Scheda del modello.
Licenza: Apache 2.0 per EmbeddingGemma 2, dichiarata nella relativa scheda.
Ideale per: applicazioni locali o offline che necessitano di embedding multimodali.
Punto di forza: puoi caricare gli encoder delle sole modalità necessarie all'applicazione.
Prezzi: pesi aperti, hosting autonomo; le risorse del dispositivo e l'eventuale infrastruttura remota restano a tuo carico.
Prova gratuita: pesi scaricabili.

L'originale EmbeddingGemma-300m rimane un'opzione distinta per il solo testo: 300M parametri, limite di input di 2,048 token, 768 dimensioni con alternative a 512/256/128 e addestramento su oltre 100 lingue parlate. Si esegue tramite Sentence Transformers, ma il suo repository richiede l'accettazione dei Gemma Terms of Use di Google. Non applicare la licenza Apache di EmbeddingGemma 2 a quel checkpoint precedente. Modello originale e condizioni.

Il vincolo è la disponibilità di risorse del dispositivo. Memoria libera, comportamento termico e attività contemporanee dell'applicazione contano più della semplice possibilità di caricare il file del modello. Prova un processo di indicizzazione in background mentre l'utente svolge una normale attività in primo piano. Anche un modello compatto può rendere sgradevole l'uso dell'applicazione se l'acquisizione monopolizza il dispositivo.

Per i vettori ridotti, segui le istruzioni di normalizzazione di Google e allinea le dimensioni di query e documenti. Conserva anche i prefissi del task. Queste impostazioni fanno parte della configurazione del modello: non sono annotazioni facoltative da ricostruire dopo un cambiamento nella qualità della ricerca.

Come scegliere per la ricerca semantica o un bot di assistenza

Prima di confrontare la qualità, lascia che siano i requisiti concreti a escludere alcuni candidati. La domanda decisiva è quale errore renderebbe inutilizzabile l'applicazione: non trovare la risposta, perdere le informazioni visive, inviare i dati in una sede inaccettabile o rispondere troppo lentamente.

Quali modelli embedding scegliere per il testo?

Per un'applicazione testuale con API gestita, parti da OpenAI small e Voyage 4. Aggiungi OpenAI large per un confronto all'interno della stessa API; aggiungi Cohere quando contano la struttura dei documenti e l'installazione privata. Scegli l'alternativa soltanto se riduce gli errori che incontrano gli utenti, con latenza e costo complessivo accettabili.

Per l'assistenza multilingue, includi esempi tra lingue diverse: una domanda in spagnolo a cui risponde un articolo in inglese, nomi locali dei prodotti, messaggi che mescolano più lingue e termini traslitterati. «Supporta oltre 100 lingue» non dimostra che la combinazione linguistica più importante per te funzioni bene.

Quali sono i migliori modelli embedding open source?

Confronta Qwen3-Embedding per la ricerca testuale configurabile, BGE-M3 quando contano sia la componente lessicale sia quella semantica ed EmbeddingGemma 2 per input multimodali locali. La licenza si applica al checkpoint esatto. Considera l'hosting autonomo una scelta di distribuzione con un costo operativo misurabile, non un sinonimo di API gratuita.

Se il corpus contiene istruzioni fotografate, diagrammi o dimostrazioni registrate, scegli consapevolmente tra estrarre il testo e preservare la modalità della fonte. L'estrazione testuale può bastare e rendere più facile individuare i problemi. Usa la ricerca multimodale quando l'informazione visiva o audio che andrebbe persa cambia la risposta.

Quali modelli embedding eseguire in locale?

EmbeddingGemma 2 è il primo candidato multimodale locale di questo confronto; la variante più piccola di Qwen e BGE-M3 vanno inclusi in una valutazione del solo testo. Misura le prestazioni sull'hardware destinato agli utenti. Un risultato ottenuto su una workstation di sviluppo dice poco sul portatile o sul piccolo server che deve gestire insieme indicizzazione e query.

Il criterio di scelta: mantieni il candidato più semplice che soddisfa i requisiti di pertinenza, latenza, distribuzione e lingua. Cambia quando un'alternativa valutata risolve un errore importante, con un beneficio sufficiente a giustificare la migrazione.

Consulta MTEB, poi prova sui tuoi dati

Usa la classifica MTEB per individuare i candidati, non per proclamare un vincitore universale. MTEB, Massive Text Embedding Benchmark, comprende attività come recupero delle informazioni, classificazione, clustering e similarità. La classifica offre anche viste per lingua, dominio e modalità. Un punteggio ottenuto su un insieme di task non è automaticamente confrontabile con quello di un altro insieme.

Per il RAG, esamina i risultati di recupero pertinenti alle tue lingue e al tuo dominio. Per le fonti visive, consulta un benchmark multimodale o di ricerca documentale adatto. Registra versione e impostazioni del benchmark prima di usarne i risultati a sostegno di una decisione. Qui non vengono citati punteggi numerici delle classifiche.

Una prima valutazione utile può partire da un insieme annotato di 100 domande reali, ciascuna associata ai passaggi delle fonti che dovrebbero rispondere. È una proposta di campione iniziale, non una garanzia di certezza statistica. Includi domande senza risposta valida, formulazioni ambigue, identificativi esatti e le combinazioni linguistiche che devi servire.

Durante il confronto tra modelli mantieni invariati i blocchi delle fonti, i permessi, il numero di risultati recuperati e l'eventuale reranker. Altrimenti non puoi capire se il miglioramento dipenda dal modello o dalla pipeline che lo circonda. Con un limite di dieci risultati, recall@10 misura quanta parte del materiale pertinente compare nei risultati; nDCG@10 premia il posizionamento dei risultati più pertinenti nelle prime posizioni.

Esamina poi gli errori manualmente. Il passaggio giusto mancava, era troppo in basso, era stato escluso dai permessi oppure danneggiato durante l'estrazione? Un aggiornamento del modello non può riparare un passaggio che non è mai entrato nell'indice. Misura separatamente la latenza delle query e la capacità di acquisizione, e ripeti i casi difficili dopo aver modificato dimensioni o compressione.

Dove archiviare e interrogare i vettori

Pinecone è un database vettoriale gestito che può archiviare vettori generati altrove e ospita anche alcuni modelli embedding tramite la propria API di inferenza. Il suo catalogo dei modelli elenca llama-text-embed-v2, multilingual-e5-large e pinecone-sparse-english-v0 tra le opzioni embedding disponibili per l'inferenza. È una scelta distinta dal chiamare direttamente Gemini, OpenAI o Voyage e caricarne poi i vettori.

Usa gli embedding integrati quando il modello supportato supera la tua valutazione e vuoi affidare al servizio la conversione da testo a vettore. Carica vettori generati da te quando vuoi controllare il modello, la preelaborazione multimediale o un encoder eseguito su infrastruttura propria. La documentazione sull'indicizzazione di Pinecone distingue questi percorsi.

Per un bot di assistenza, conserva il testo delle fonti, identificativi stabili, metadati per il controllo degli accessi e citazioni insieme all'architettura di ricerca. La similarità tra embedding non equivale a un'autorizzazione. Qualunque database tu scelga, l'applicazione deve limitare il recupero ai materiali che l'utente è autorizzato a vedere.

Il confronto tra i migliori database vettoriali affronta la scelta dell'archiviazione; la guida ai prezzi Pinecone ne spiega i costi separati. Se l'assistente decide quando cercare, riformula le domande o esegue ricerche successive, la guida al RAG agentico illustra quel flusso di lavoro. Il modello embedding fornisce la rappresentazione, mentre il sistema di ricerca decide come utilizzarla.

Le dimensioni determinano lo spazio necessario

Scegli le dimensioni dei vettori tenendo presente il database. Con precisione float32, ogni numero occupa quattro byte. Per un milione di vettori, 1,536 dimensioni richiedono quindi 6.144 GB di valori vettoriali grezzi; 3,072 dimensioni ne richiedono 12.288 GB. Sono gigabyte decimali calcolati, senza metadati, strutture dell'indice, repliche e altro spazio aggiuntivo richiesto dal database.

Per questo un output più piccolo può contare anche quando i token embedding costano poco. E per questo il numero di parametri del modello non va confuso con le dimensioni dei vettori: il primo incide sull'encoder che esegui, le seconde su ogni rappresentazione che archivi e interroghi.

Prova la riduzione dimensionale con il metodo supportato dal produttore. Non troncare arbitrariamente l'output di un modello che non documenta questa possibilità. Quando è richiesta la normalizzazione, applicala in modo coerente. Valuta poi i vettori ridotti in quanto tali: il risparmio di spazio è utile soltanto finché l'applicazione continua a recuperare le informazioni necessarie.

Cambiare modello significa migrare un indice

Prevedi la ricostruzione del corpus quando il nuovo modello usa uno spazio di embedding incompatibile. Sostituire il nome del modello nell'API delle query mantenendo i vecchi vettori dei documenti di solito compromette la corrispondenza, anche se i due modelli restituiscono lo stesso numero di dimensioni. La migrazione documentata da Google da embedding-001 a embedding-2 ne è un esempio esplicito.

Esistono eccezioni con confini dichiarati: la famiglia generalista Voyage 4 e la coppia Embed 5 Pro/Fast di Cohere documentano spazi condivisi. Queste dichiarazioni consentono specifici abbinamenti tra modelli, non combinazioni arbitrarie tra fornitori. Prova l'abbinamento e fai corrispondere le impostazioni di dimensione e rappresentazione.

Stima il costo della rigenerazione degli embedding sul numero effettivo di token in input. A titolo di esempio, un milione di blocchi da 500 token medi contiene 500 milioni di token. Alla tariffa standard pubblicata per il testo di Gemini Embedding 2, il passaggio di generazione degli embedding costa $100. Il calcolo esclude scritture nel database, archiviazione contemporanea dei due indici, preelaborazione, query, lavoro tecnico ed eventuali sconti. Fonte della tariffa.

Il costo dei token può essere la parte semplice. Servono anche i documenti sorgente, le impostazioni di acquisizione e capacità sufficiente a mantenere disponibile il sistema attivo mentre ne costruisci il sostituto. Conserva con ogni versione dell'indice l'identificativo del modello, le dimensioni, la normalizzazione, la versione della suddivisione in blocchi e le istruzioni per query e documenti.

1. 1

   Costruisci un indice candidato separato

   Rigenera gli embedding dei blocchi sorgente conservati con la nuova configurazione. Lascia che l'indice esistente continui a servire le richieste. Usa identificativi stabili dei documenti per confrontare i record corrispondenti.

2. 2

   Ripeti la valutazione e controlla le regressioni

   Confronta il candidato sulle stesse query annotate. Oltre alla pertinenza, verifica permessi, destinazioni delle citazioni, documenti mancanti e latenza delle query. Tieni conto dei documenti modificati durante il caricamento del corpus.

3. 3

   Cambia modello e indice insieme

   Instrada le query verso il nuovo encoder e l'indice corrispondente con un unico cambio di configurazione. Mantieni la vecchia coppia abbastanza a lungo da poterla ripristinare se il comportamento in produzione differisce dalla valutazione.

Come sono stati selezionati i modelli

Queste sette famiglie di modelli hanno un ruolo preciso nella scelta per ricerca, RAG e bot di assistenza affrontata qui. La selezione ha considerato limiti di input pubblicati, dimensioni, modalità, copertura linguistica, opzioni di distribuzione, licenze e prezzi attuali. Le pagine dei produttori sono state controllate alla data di verifica; gli esempi di spazio e costi sono stati calcolati a partire dalle ipotesi dichiarate.

Per questo articolo non sono stati eseguiti benchmark né test di carico sui modelli. L'ordine suggerisce un percorso di valutazione per uno sviluppatore che lavora principalmente sul testo, non una classifica di accuratezza misurata. Le famiglie specializzate nel codice, in domini specifici e in altre modalità non hanno ricevuto schede separate in classifica: includile nella tua selezione quando quella specializzazione determina l'applicazione.

Le scelte da evitare

Evita OpenAI text-embedding-3 per la ricerca diretta in immagini o audio. È una famiglia testuale. Estrarre le parole è un'architettura valida, ma elimina le informazioni presenti soltanto negli elementi visivi o sonori della fonte.

Evita i vecchi modelli Voyage 3 come punto di partenza automatico per un nuovo progetto. La documentazione attuale di Voyage consiglia la famiglia più recente. Mantieni un'installazione esistente già valutata finché non c'è un motivo per sostenere il costo della migrazione.

Evita Qwen3-Embedding-8B come scelta predefinita per un portatile senza averlo misurato. Parti dai limiti di latenza e risorse del dispositivo, poi valuta se il checkpoint più grande giustifica il suo costo operativo.

Evita BGE-M3 per la «ricerca ibrida» se archivierai soltanto il suo output denso. Per ottenere quella funzionalità serve un'architettura di ricerca che utilizzi la rappresentazione aggiuntiva.

Evita di considerare tutti i checkpoint EmbeddingGemma coperti da Apache 2.0. La scheda attuale di EmbeddingGemma 2 dichiara Apache 2.0; il repository originale da 300M usa le condizioni Gemma. Le versioni esatte contano nella distribuzione come nella ricerca.

Domande frequenti

Quali sono i migliori modelli embedding per il RAG?

Parti da OpenAI text-embedding-3-small come riferimento testuale economico con API gestita e confrontalo con Voyage 4 sulle tue domande. Gemini Embedding 2 o Cohere Embed 5 vanno inclusi quando la modalità della fonte cambia la risposta. Qwen3-Embedding, BGE-M3 ed EmbeddingGemma sono i candidati qui proposti per l'hosting autonomo. Il vincitore utile è il modello che recupera con affidabilità i passaggi annotati come pertinenti.

Quali modelli embedding si possono provare gratis?

Per valutare servizi gestiti, Gemini offre un piano API gratuito, Voyage indica quote iniziali di token e Cohere fornisce chiavi di prova con limiti di frequenza che escludono la produzione e gli usi commerciali. Verifica la quota del modello esatto e le condizioni di produzione prima di affidarti all'accesso gratuito per un'applicazione rivolta ai clienti.

Quali modelli embedding gratuiti usare per il RAG?

Per il RAG testuale su infrastruttura propria, confronta Qwen3-Embedding e BGE-M3; per il RAG multimodale locale, includi EmbeddingGemma 2. I pesi scaricabili permettono di gestire direttamente l'encoder, ma inferenza, archiviazione e manutenzione continuano a consumare risorse. Associa sempre la licenza al checkpoint esatto e includi questi costi operativi nel confronto con un'API gestita.

Il prossimo passo: raccogli le domande di assistenza per cui la ricerca attuale non trova la risposta e annota i passaggi che dovrebbero fornirla. Usa la checklist per l'audit dei flussi di lavoro aziendali con l'AI per definire il processo e i criteri di successo prima di elaborare l'intero corpus.