Модели эмбеддингов в 2026 году: что выбрать для поиска и RAG

Лучшие модели эмбеддингов — те, которые стабильно находят материал с нужным ответом. Возьмите OpenAI text-embedding-3-small за недорогую отправную точку для текстового поиска, сравните её с Voyage 4, а если среди источников есть аудио или видео, рассмотрите Google Gemini Embedding 2. Стоимость small у OpenAI начинается с $0.02 за миллион входных токенов. Но куда серьёзнее вы привязываетесь к векторному индексу: при переходе на несовместимую модель его придётся перестроить.

Модель эмбеддингов преобразует контент в вектор — список чисел, с помощью которого поиск находит близкий смысл даже при разных формулировках. Например, бот поддержки может связать вопрос «Не могу войти в аккаунт» с нужной статьёй об устранении проблем со входом. Генерация с дополнением из найденных источников, или RAG, передаёт этот материал модели, которая пишет ответ.

Характеристики, цены и лицензии сверены с действующими страницами разработчиков 15 октября 2026 года. Сравнение основано на документации; собственных замеров точности и задержки мы не проводили. Рекомендации ниже помогут выбрать, с чего начать свою проверку. Цена во вступлении взята из тарифов OpenAI.

Модели эмбеддингов: краткое сравнение

Выбирайте самую дешёвую модель, которая удовлетворяет требованиям к поиску. Пересматривайте список кандидатов, когда этого требуют языки, форматы источников или ограничения на развёртывание. Семь семейств ниже охватывают облачные API, развёртывание в закрытой среде и модели со скачиваемыми весами.

В таблице приведены стандартные платные тарифы в USD за миллион входных текстовых токенов, кроме строк с самостоятельным развёртыванием. В них не входят векторная база, генерация ответов и реранкинг — повторная оценка найденных кандидатов другой моделью. Провайдеры по-разному разбивают текст на токены, поэтому один и тот же документ может дать разное число оплачиваемых токенов.

«Открытые веса» означают, что файлы модели можно скачать и запускать самостоятельно. Вычисления, развёртывание и обслуживание от этого не становятся бесплатными. «Многоязычная» тоже не означает одинаковую точность на всех языках: проверяйте именно те пары языков запроса и документа, которыми пользуются ваши клиенты.

Какие модели стоит сравнить

1. OpenAI text-embedding-3: отправная точка для текстового поиска

OpenAI text-embedding-3-small и text-embedding-3-large — облачные модели текстовых эмбеддингов. Основателю, который запускает обычный поиск по справочному центру или бота поддержки, я рекомендую начать со small. Она даёт недорогую точку отсчёта без необходимости обслуживать серверы моделей. Large стоит подключить к сравнению, когда small регулярно пропускает полезные фрагменты. Если платить за неё до появления таких примеров, вы упускаете самую ценную часть выбора.

Размерность: по умолчанию 1,536 у small и 3,072 у large. Обе модели поддерживают более короткие векторы через параметр dimensions.
Максимальный ввод: 8,192 токена на один вход для обеих моделей.
Языки и модальности: многоязычный текст; изображения, аудио и видео не принимаются. В указанной документации нет исчерпывающего числа поддерживаемых языков.
Где запускать: облачный API эмбеддингов OpenAI. Характеристики, модальности.
Кому подойдёт: разработчику текстового приложения, которому нужно быстро получить измеримую точку отсчёта.
Особенность: один API позволяет сравнить small и large и настроить размер выходного вектора.
Цена: $0.02 за миллион входных токенов у small; $0.13 у large. Стандартные тарифы проверены 15 октября 2026 года. Тарифы.
Бесплатный доступ: вводный кредит на API не учитываем; планируйте бюджет исходя из платного использования.

Главное ограничение — формат входных данных. При извлечении текста из PDF с инструкцией можно потерять скриншот, который показывает, какую кнопку нажать. Ни одна из этих моделей OpenAI не восстановит визуальную информацию. Текстовые эмбеддинги подходят, если после извлечения текста ответ сохраняется. Если он зависит от вида страницы, стоит сравнить мультимодальную модель.

Не путайте размер модели с размером вектора. Large с уменьшенной размерностью может вписаться в существующие ограничения хранилища, но от этого не станет взаимозаменяемой со small. Одинаковая длина векторов означает соответствие схеме данных, а не то, что модели одинаково организуют смысл.

Как настроить базовый поиск и увидеть его ошибки

Начните с достаточно простой схемы, чтобы можно было объяснить, почему в выдаче появился тот или иной результат.

1. 1

   Подготовьте фрагменты, в которых есть ответы

   Разбейте справочный центр по темам или разделам. Вместе с каждым фрагментом храните заголовок документа, URL источника, права доступа клиентов и стабильный ID фрагмента. Не объединяйте несвязанные инструкции только ради заполнения контекстного окна модели.

2. 2

   Зафиксируйте настройки эмбеддингов

   Выберите text-embedding-3-small и запишите выходную размерность. С этими настройками создайте эмбеддинги всех сохраняемых фрагментов, затем создайте векторный индекс соответствующей размерности. Исходный текст храните отдельно.

3. 3

   Проверьте поиск до подключения генерации ответов

   С теми же настройками создайте эмбеддинг каждого тестового вопроса, найдите ближайшие фрагменты и просмотрите их. Правдоподобный сгенерированный ответ может скрыть ошибку: поиск выбрал не тот источник.

4. 4

   Сравните другую модель на тех же вопросах

   Создайте отдельный тестовый индекс для large или Voyage. Оставьте исходные фрагменты и разметку релевантности неизменными. Переходите на новую модель, только если улучшение значимо для приложения.

2. Voyage AI 4: конкурент облачному API с упором на качество поиска

Семейство Voyage 4 от Voyage AI стоит сравнить с базовой моделью, если качество поиска критично для продукта. Это облачные модели текстовых эмбеддингов. Начните с voyage-4, затем проверьте lite по задержке и стоимости либо large — вариант, который разработчик позиционирует как самый качественный среди своих универсальных моделей. Поиск по технической документации, где клиенты описывают одну неисправность разными словами, даст больше полезной информации, чем набор простых совпадений по ключевым словам.

Размерность: по умолчанию 1,024; voyage-4-lite, voyage-4 и voyage-4-large также поддерживают 256, 512 и 2,048.
Максимальный ввод: 32,000 токенов для каждой из этих моделей.
Языки и модальности: многоязычный текст; исчерпывающее число языков в таблице моделей не указано. Мультимодальные модели Voyage — отдельная линейка.
Где запускать: облачный API эмбеддингов Voyage AI. Характеристики моделей.
Кому подойдёт: разработчику, готовому сравнить качество поиска до выбора API.
Особенность: совместимые эмбеддинги внутри универсального семейства Voyage 4.
Цена: за миллион входных токенов — $0.02 для 4-lite, $0.06 для 4 и $0.12 для 4-large. Проверено 15 октября 2026 года. Тарифы.
Бесплатный доступ: на странице тарифов указан начальный пакет в 200 миллионов бесплатных токенов для актуальных универсальных моделей; уточните условия для выбранной модели.

Заявленная совместимость полезна при эксплуатации. Voyage документирует общее пространство эмбеддингов для этого семейства: можно проверить другую его модель на стороне запросов без обязательного пересчёта всех векторов документов. Соблюдайте одинаковую выходную размерность и измеряйте качество именно выбранной пары моделей для документов и запросов. Не распространяйте это обещание на любую модель с названием Voyage.

Важная ловушка — незаметное обрезание входных данных: параметр API truncation по умолчанию имеет значение true. Длинный документ может дать корректный вектор, хотя его конец уже отброшен. При разработке загрузки данных задайте truncation=false, чтобы превышение лимита вызывало явную ошибку, а затем исправьте разбиение на фрагменты. Большой контекст нужен для связных отрывков, а не для превращения целого руководства в один результат поиска. Поведение API.

Для корпуса, состоящего только из кода, у разработчика есть voyage-code-4. Сравните специализированную и универсальную модели на вопросах по репозиторию. Наличие отдельных примеров кода в статьях поддержки само по себе не повод добавлять специализированную модель.

3. Google Gemini Embedding 2: поиск по разным типам контента

Google Gemini Embedding 2 стоит включить в список облачных решений, когда поиск должен связывать текст с изображениями, аудио, видео или страницами PDF. Система поддержки с письменными инструкциями и записями демонстраций продукта может хранить эти источники в одном пространстве эмбеддингов. Выбирайте модель, если такие данные содержат полезную для ответа информацию, а затем проверяйте поиск на своих материалах. Сам по себе широкий выбор форматов не улучшит справочный центр, состоящий только из текста.

Размерность: от 128 до 3,072; Google рекомендует 768, 1,536 или 3,072.
Максимальный ввод: 8,192 токена.
Языки и модальности: более 100 языков; текст, изображения, аудио, видео и PDF.
Где запускать: Gemini API, стабильный идентификатор модели — gemini-embedding-2. Карточка модели, возможности.
Кому подойдёт: для облачного поиска по источникам, содержание которых нельзя полноценно передать извлечённым текстом.
Особенность: аудио и видео находятся в том же векторном пространстве, что текст и изображения.
Цена: стандартные тарифы за миллион входных токенов — $0.20 для текста, $0.45 для изображений, $6.50 для аудио и $12.00 для видео. Проверено 15 октября 2026 года. Тарифы.
Бесплатный доступ: есть бесплатный тариф API с ограничениями использования.

Основная сложность — своя подготовка данных для каждой модальности. Google допускает до 6 изображений, 180 секунд аудио, 120 секунд видео либо один PDF объёмом до 6 страниц на запрос с соблюдением общих ограничений ввода. При обработке видео используется не более 32 кадров, а звуковая дорожка не обрабатывается. Поэтому для демонстрации с голосовым сопровождением нужно отдельно продумать обработку и речи, и изображения. Ограничения ввода.

Вместе с каждым элементом сохраняйте временную метку или ссылку на страницу. Найти нужное видео менее полезно, чем сразу открыть нужный момент; найти PDF менее полезно, чем указать страницу с ответом. Удобство такой навигации зависит от разбиения на фрагменты и метаданных.

Пользователям моделей Google важно учитывать миграцию: пространства эмбеддингов gemini-embedding-001 и gemini-embedding-2 несовместимы. Одинаковое число измерений не сохраняет совместимость. Google прямо требует заново создать эмбеддинги существующего корпуса при переходе между ними. Руководство по миграции.

4. Cohere Embed 5: корпоративные документы и гибкое развёртывание

Cohere Embed 5 подойдёт для сравнения командам, которым нужен поиск по длинным документам, таблицам, графикам и страницам с текстом и изображениями. Актуальное семейство состоит из embed-v5.0-pro и embed-v5.0-fast. Если внутренний помощник ищет ответы в руководствах со сложной вёрсткой, сравните поиск с учётом страницы и уже используемое извлечение текста. Главный вопрос — сохраняется ли нужная инструкция после подготовки данных.

Размерность: по умолчанию 2,048; также поддерживаются 256, 512, 768, 1,024 и 1,536.
Максимальный ввод: 128K токенов для Pro и Fast.
Языки и модальности: более 100 языков; текст, изображения и смешанный ввод, включая представления страниц документов.
Где запускать: Cohere API, Model Vault, Microsoft Foundry и Amazon SageMaker; также поддерживается коммерческое развёртывание в вашей VPC или на собственных серверах. Характеристики, развёртывание и поддержка языков.
Кому подойдёт: для поиска по корпоративным документам, когда требования к развёртыванию выходят за рамки общего публичного API.
Особенность: Pro и Fast используют общее пространство эмбеддингов, поэтому по корпусу, проиндексированному через Pro, можно искать с помощью Fast.
Цена: $0.08 за миллион текстовых токенов у Fast или $0.12 у Pro; для обеих моделей указана цена $0.40 за миллион токенов изображений. Проверено 15 октября 2026 года. Тарифы на текст, тарифы на изображения.
Бесплатный доступ: пробные API-ключи с ограничением частоты запросов бесплатны, но запрещены для промышленного и коммерческого использования.

Большое контекстное окно полезно, если фрагменту нужен окружающий контекст, но оно не снимает вопросов к устройству поиска. Когда найденный фрагмент содержит целый справочник, модели генерации ответов всё равно приходится искать в нём нужное место. Сравните представление с длинным контекстом и разбиение по разделам, прежде чем выбирать большой вход только потому, что он помещается.

Cohere также поддерживает представления float, int8 и binary. Они определяют способ хранения чисел вектора; более компактный формат может изменить расход памяти и поведение поиска. Проверьте, какие форматы принимает выбранная база и реализация поиска, а затем измерьте качество именно сжатой конфигурации. Результат на полноразмерных float-векторах не подтверждает автоматически качество меньшего бинарного индекса.

Разработчик по-прежнему документирует embed-v4.0 с контекстом 128K и размерностью по умолчанию 1,536. Это отдельная существующая модель, которую следует оценивать по её характеристикам, а не принимать их за спецификацию актуального семейства. Возможность закрытого развёртывания также не превращает Embed 5 в скачиваемую модель с лицензией Apache: коммерческие условия развёртывания остаются частью покупки.

5. Qwen3-Embedding: открытое семейство с настройкой текстового поиска

Qwen3-Embedding предлагает скачиваемые модели текстовых эмбеддингов разных размеров. Семейство стоит включить в список для самостоятельного развёртывания, если архитектуру определяют место хранения данных или контроль над средой исполнения. Для поиска по закрытой инженерной документации компании начните с самого маленького варианта, который обеспечивает нужную релевантность. Если сразу взять самую крупную модель, выбор эмбеддингов может превратиться в инфраструктурный проект ещё до того, как станет понятно, улучшает ли она ответы.

Размерность: максимум 1,024 для 0.6B, 2,560 для 4B и 4,096 для 8B; семейство поддерживает настройку размерности.
Максимальный ввод: 32K токенов у всех перечисленных вариантов.
Языки и модальности: более 100 языков, включая поддержку поиска по коду; текстовый ввод. Речь о Qwen3-Embedding, а не об отдельном семействе Qwen3-VL.
Где запускать: на своей инфраструктуре, используя примеры разработчика для Sentence Transformers, Transformers, vLLM или Text Embeddings Inference. Карточка модели.
Лицензия: Apache 2.0. Файл лицензии.
Кому подойдёт: для многоязычного текстового поиска на своей инфраструктуре с контролем размера модели и выходного вектора.
Особенность: инструкции позволяют задавать конкретную поисковую задачу.
Цена: открытые веса, самостоятельное развёртывание; единой инфраструктурной цены за миллион токенов нет.
Бесплатный доступ: веса можно скачать; среду исполнения и вычислительные ресурсы предоставляете вы.

Главное ограничение — стоимость обслуживания модели и её поведение под нагрузкой. Отдельно измеряйте скорость индексации и задержку интерактивных запросов. Первоначальная обработка корпуса может подождать в очереди; клиент, ожидающий ответа поддержки, ощущает каждую дополнительную задержку инференса. Размер пакета, длина входных данных, оборудование и число одновременных запросов определяют, впишется ли более крупная модель в продукт.

Следуйте инструкциям по поиску из карточки модели. Формат запроса — часть проверяемой конфигурации, поэтому сохраняйте его вместе с версией весов и выходной размерностью. Тест одного формата инструкций ничего не доказывает о другом промпте в рабочей системе. При сравнении кандидатов не меняйте правила подготовки документов и запросов.

Самостоятельное развёртывание особенно оправдано, если контроль ценен сам по себе или измеренная нагрузка окупает эксплуатацию. Для небольшого справочного центра этот путь не обязательно дешевле. Скромный счёт за токены облачного API может оказаться ниже стоимости времени на обслуживание сервиса модели — ещё до учёта оборудования.

6. BAAI BGE-M3: открытая модель с несколькими способами поиска

BAAI BGE-M3 стоит рассмотреть, если от одной открытой модели нужны плотные, разреженные и многовекторные представления. Плотные векторы передают смысловую близость; разреженные представления присваивают веса лексическим признакам; многовекторный поиск сохраняет несколько векторов для более детального сопоставления. Удобный материал для сравнения этих подходов — база поддержки с идентификаторами продуктов и кодами ошибок: одной смысловой близости может быть недостаточно, чтобы вернуть точный идентификатор.

Размерность: 1,024 для плотного эмбеддинга; разреженный и многовекторный выход имеют другую структуру.
Максимальный ввод: 8,192 токена.
Языки и модальности: более 100 языков; текст.
Где запускать: самостоятельно, используя реализацию FlagEmbedding от разработчика. Карточка модели.
Лицензия: MIT, как указано в метаданных карточки модели разработчика.
Кому подойдёт: разработчикам, готовым проверить гибридный поиск, который объединяет лексические и семантические сигналы.
Особенность: несколько поисковых представлений в одном семействе моделей.
Цена: открытые веса, самостоятельное развёртывание; вычисления и хранение оплачиваете вы.
Бесплатный доступ: веса можно скачать; бесплатный лимит облачного сервиса не подразумевается.

Основная сложность: создание нескольких представлений ещё не означает, что база данных их использует. Если сохранить только плотный вектор и искать по нему, получится система поиска по плотным векторам. Для разреженного или многовекторного выхода нужны совместимые механизмы индексации и оценки, а затем — способ объединения результатов.

Начните с плотных векторов. Затем добавьте лексический сигнал на вопросах, где он должен помочь: с точными названиями деталей, строками ошибок и идентификаторами. Проверьте, не ухудшают ли эти изменения поиск по переформулированным запросам. Добавляйте реранкер лишь после того, как увидите кандидатов, порядок которых ему предстоит исправлять.

BGE-M3 включена в список за эту гибкость, а не потому, что давний тест на момент выпуска доказывает её превосходство над всеми современными API. Если нужны только обычные плотные эмбеддинги, сравните её с Qwen и базовой облачной моделью, прежде чем усложнять поиск.

7. Google EmbeddingGemma: локальный поиск и два разных поколения

Google EmbeddingGemma 2 стоит рассмотреть, когда приложение должно искать по тексту и медиа на устройстве пользователя. Настольное приложение для работы с базой знаний может индексировать заметки вместе со скриншотами или записями, не отправляя каждый элемент в облачный API эмбеддингов. Актуальная модель и исходная embeddinggemma-300m отличаются форматами ввода, длиной контекста и лицензией, поэтому фиксируйте в сборке точный репозиторий.

Размерность: EmbeddingGemma 2 выдаёт векторы размерности 768; также доступны 512, 256 и 128.
Максимальный ввод: 8,192 токена.
Языки и модальности: более 100 языков; текст, включая код, изображения, видео и аудио.
Где запускать: локально или на своей инфраструктуре; разработчик публикует примеры для Sentence Transformers. В общее число 740M параметров входят энкодеры изображений и аудио, которые можно загружать выборочно. Карточка модели.
Лицензия: Apache 2.0 для EmbeddingGemma 2, согласно её карточке.
Кому подойдёт: локальным или офлайн-приложениям, которым нужны мультимодальные эмбеддинги.
Особенность: можно загружать только энкодеры нужных приложению модальностей.
Цена: открытые веса, самостоятельное развёртывание; ресурсы устройства и любая облачная инфраструктура остаются вашими расходами.
Бесплатный доступ: веса доступны для скачивания.

Исходная EmbeddingGemma-300m остаётся отдельным вариантом только для текста: 300M параметров, лимит ввода 2,048 токенов, размерность 768 с альтернативами 512/256/128 и обучение на более чем 100 естественных языках. Она работает через Sentence Transformers, но её репозиторий требует принять условия использования Gemma от Google. Лицензия Apache для EmbeddingGemma 2 не распространяется на эти более ранние веса. Исходная модель и условия.

Главное ограничение — ресурсы устройства. Доступная память, нагрев и параллельная работа приложения важнее того, удаётся ли технически загрузить файл модели. Проверьте фоновую индексацию, пока пользователь выполняет обычную задачу в приложении. Даже компактная модель может испортить впечатление от продукта, если загрузка данных забирает все ресурсы устройства.

При уменьшении размерности следуйте инструкциям Google по нормализации и используйте одинаковую размерность для запросов и документов. Сохраняйте и префиксы задач. Эти настройки — часть развёртывания модели, а не необязательные записи, которые можно восстановить после изменения качества поиска.

Как выбрать модель для поиска или бота поддержки

Отсейте неподходящие варианты по конкретным требованиям ещё до сравнения качества. Решающий вопрос: какой сбой сделает приложение непригодным — пропущенный ответ, потеря визуальной информации, отправка данных в недопустимое место или слишком медленная реакция?

Какие модели выбрать для текстовых эмбеддингов?

Для текстового приложения с облачным API начните с OpenAI small и Voyage 4. Добавьте OpenAI large, если хотите сравнение в рамках уже используемого API, и Cohere, если важны структура документов и закрытое развёртывание. Переходите на другую модель, только если она устраняет ошибки, с которыми сталкиваются пользователи, при приемлемой задержке и общей стоимости.

Для многоязычной поддержки включите примеры межъязыкового поиска: вопрос на испанском с ответом в английской статье, местные названия продуктов, сообщения на нескольких языках и термины в транслитерации. Заявление «поддерживает более 100 языков» не доказывает, что важнейшая для вас языковая пара работает хорошо.

Какие открытые модели эмбеддингов стоит сравнить?

Сравните Qwen3-Embedding для настраиваемого текстового поиска, BGE-M3 для сочетания лексического и семантического поиска и EmbeddingGemma 2 для локальной работы с мультимодальным вводом. Лицензия относится к конкретной версии весов. Самостоятельное развёртывание — архитектурный выбор с измеримой стоимостью эксплуатации, а не синоним бесплатного API.

Если в корпусе есть фотографии инструкций, схемы или записи демонстраций, осознанно выбирайте между извлечением текста и сохранением исходной модальности. Извлечения текста может быть достаточно, а отлаживать такой путь проще. Мультимодальный поиск нужен, когда потеря визуальной или звуковой информации меняет ответ.

Какие локальные модели эмбеддингов рассмотреть?

Для локального мультимодального поиска первым кандидатом здесь будет EmbeddingGemma 2; для текстового сравнения добавьте меньший вариант Qwen и BGE-M3. Измеряйте на оборудовании, которое будет обслуживать пользователей. Результат на рабочей станции разработчика мало говорит о ноутбуке или небольшом сервере, где одновременно идут индексация и обработка запросов.

Правило выбора: оставляйте самый простой вариант, который удовлетворяет требованиям к релевантности, задержке, развёртыванию и языкам. Меняйте его, когда проверенная альтернатива исправляет важную ошибку и даёт достаточно пользы, чтобы оправдать миграцию.

Изучите MTEB, затем проверьте модели на своих данных

Используйте таблицу результатов MTEB, чтобы найти кандидатов, а не назначить универсального победителя. MTEB, Massive Text Embedding Benchmark, охватывает поиск, классификацию, кластеризацию и оценку сходства. В таблице также есть представления по языкам, предметным областям и модальностям. Баллы на одном наборе задач нельзя автоматически сравнивать с баллами на другом.

Для RAG изучайте результаты поиска на языках и в предметной области, которые вам нужны. Для визуальных источников смотрите подходящие мультимодальные тесты или тесты поиска по документам. Прежде чем опираться на результат при выборе, зафиксируйте версию теста и настройки. Численные баллы из рейтингов в этой статье не приводятся.

Полезная отправная точка — размеченный набор из 100 реальных вопросов с фрагментами источников, в которых должны находиться ответы. Это предлагаемый начальный объём выборки, а не гарантия статистической достоверности. Включите вопросы без правильного ответа, неоднозначные формулировки, точные идентификаторы и сочетания языков ваших пользователей.

При сравнении моделей не меняйте исходные фрагменты, права доступа, число возвращаемых результатов и реранкер, если он есть. Иначе невозможно понять, улучшила ли результат модель или остальная обработка. Если брать десять первых результатов, recall@10 показывает, какая доля релевантного материала в них попала, а nDCG@10 поощряет размещение более релевантных результатов ближе к началу выдачи.

Затем разберите ошибки вручную. Нужный фрагмент отсутствовал, оказался слишком низко, был отфильтрован правами доступа или повреждён при извлечении? Смена модели не восстановит источник, который вообще не попал в индекс. Отдельно измеряйте задержку запросов и скорость загрузки данных; после изменения размерности или сжатия повторно проверяйте сложные случаи.

Где хранить векторы и выполнять поиск

Pinecone — управляемая векторная база данных: она хранит векторы, созданные вне сервиса, а также предоставляет отдельные модели эмбеддингов через свой API инференса. В её каталоге моделей для создания эмбеддингов указаны llama-text-embed-v2, multilingual-e5-large и pinecone-sparse-english-v0. Это отдельный вариант архитектуры по сравнению с самостоятельными вызовами Gemini, OpenAI или Voyage и загрузкой полученных векторов.

Выбирайте встроенное создание эмбеддингов, если поддерживаемая модель прошла вашу проверку и вы хотите поручить сервису преобразование текста в векторы. Загружайте свои векторы, если нужен контроль над моделью, предобработкой медиа или энкодером на собственной инфраструктуре. Эти варианты разделены в документации по индексации Pinecone.

В архитектуре поиска для бота поддержки предусмотрите хранение исходного текста, стабильных ID, метаданных контроля доступа и ссылок на источники. Близость эмбеддингов не даёт права доступа. Какую бы базу вы ни выбрали, приложение должно ограничивать поиск материалами, которые пользователю разрешено видеть.

Выбор хранилища разобран в сравнении векторных баз данных, а отдельные расходы на сервис — в обзоре тарифов Pinecone. Если помощник сам решает, когда искать, переформулирует вопросы или запускает повторный поиск, этот процесс описан в разборе агентного RAG. Модель эмбеддингов создаёт представление данных, а поисковая система определяет, как его использовать.

Как размерность влияет на объём хранилища

Выбирая размерность векторов, учитывайте базу данных. В формате float32 каждое число занимает четыре байта. Поэтому для миллиона векторов размерности 1,536 только значения векторов потребуют 6.144 GB; при размерности 3,072 — 12.288 GB. Это расчёт в десятичных гигабайтах без метаданных, структур индекса, реплик и прочих накладных расходов базы.

Поэтому уменьшение выходного вектора может быть важно даже при дешёвых токенах эмбеддингов. По той же причине нельзя путать число параметров модели и размерность вектора: первое определяет требования к запускаемому энкодеру, второе влияет на каждое представление, которое вы храните и используете в поиске.

Проверяйте уменьшение размерности тем способом, который поддерживает разработчик. Не обрезайте векторы произвольно, если модель не документирует такую возможность. Когда требуется нормализация, применяйте её последовательно. Затем оцените сами уменьшенные векторы: экономия места полезна лишь до тех пор, пока приложение находит необходимые источники для ответа.

Смена модели требует миграции индекса

Если новая модель использует несовместимое пространство эмбеддингов, заложите ресурсы на пересоздание векторов корпуса. Простая замена имени модели в API запросов при сохранении старых векторов документов обычно нарушает сопоставление, даже если размерность совпадает. Наглядный пример — документированная Google миграция с embedding-001 на embedding-2.

Есть исключения с чётко заданными границами: для универсального семейства Voyage 4 и пары Cohere Embed 5 Pro/Fast документированы общие пространства. Это позволяет использовать определённые сочетания моделей, но не произвольно смешивать провайдеров. Проверьте конкретную пару и согласуйте размерность и настройки представления.

Оценивайте стоимость пересоздания эмбеддингов по реальному числу входных токенов. Условный пример: миллион фрагментов в среднем по 500 токенов содержит 500 миллионов токенов. По опубликованному стандартному текстовому тарифу Gemini Embedding 2 создание эмбеддингов обойдётся в $100. В сумму не входят запись в базу, одновременное хранение двух наборов, предобработка, запросы, работа инженеров и какие-либо скидки. Источник тарифа.

Оплата токенов может оказаться самой простой частью. Нужны ещё исходные документы, настройки загрузки и достаточные мощности, чтобы рабочая система оставалась доступной, пока строится её замена. Для каждой версии индекса сохраняйте ID модели, размерность, нормализацию, версию разбиения на фрагменты и инструкции для запросов и документов.

1. 1

   Создайте отдельный индекс для новой модели

   Заново создайте эмбеддинги сохранённых исходных фрагментов с новыми настройками. Существующий индекс должен продолжать обслуживать запросы. Используйте стабильные ID документов, чтобы сопоставлять соответствующие записи.

2. 2

   Повторите проверку и найдите ухудшения

   Проверьте новый вариант на тех же размеченных запросах. Помимо релевантности оцените права доступа, адреса ссылок на источники, пропущенные документы и задержку запросов. Учтите документы, изменившиеся во время первоначального заполнения нового индекса.

3. 3

   Переключите модель и индекс одновременно

   Одним изменением конфигурации направьте запросы через соответствующие друг другу новый энкодер и новый индекс. Сохраняйте старую пару достаточно долго для отката, если поведение рабочей системы будет отличаться от результатов проверки.

Как отбирались модели

В статье собраны семь семейств, каждое со своей ролью при выборе решения для поиска, RAG и бота поддержки. Мы учитывали опубликованные лимиты ввода, размерность, модальности, языки, варианты развёртывания, лицензии и актуальные цены. Страницы разработчиков проверены на указанную дату; примеры объёма хранения и стоимости рассчитаны по приведённым условиям.

Для этой статьи модели не проходили сравнительных или нагрузочных испытаний. Порядок — рекомендуемая последовательность проверки для разработчика обычного текстового приложения, а не рейтинг измеренной точности. Специализированные модели для кода, отдельных предметных областей и другие мультимодальные семейства не получили отдельных мест в списке. Добавьте их в своё сравнение, если именно эта специализация определяет приложение.

Каких вариантов выбора стоит избегать

Не выбирайте OpenAI text-embedding-3 для прямого поиска по изображениям или аудио. Это текстовое семейство. Извлечение текста — допустимая архитектура, но при нём теряется информация, которая содержится только в изображении или звуке источника.

Не берите старые модели Voyage 3 за отправную точку нового проекта по привычке. В актуальной документации Voyage рекомендует более новое семейство. При этом уже проверенное работающее решение стоит сохранять, пока не появится причина оплачивать миграцию.

Не назначайте Qwen3-Embedding-8B моделью по умолчанию для ноутбука без замеров. Сначала определите допустимую задержку и ресурсные ограничения устройства, затем проверьте, оправдывает ли более крупная модель затраты на эксплуатацию.

Не выбирайте BGE-M3 ради «гибридного поиска», если сохранять будете только плотные векторы. Чтобы получить эту возможность, поисковая архитектура должна использовать дополнительное представление.

Не считайте, что все версии весов EmbeddingGemma распространяются под Apache 2.0. В карточке актуальной EmbeddingGemma 2 указана Apache 2.0, а исходный репозиторий 300M использует условия Gemma. Точная версия важна и для развёртывания, и для поиска.

Частые вопросы

Какие модели эмбеддингов лучше подходят для RAG?

Начните с OpenAI text-embedding-3-small как недорогой облачной базы для текстового поиска и сравните её с Voyage 4 на своих вопросах. Добавьте Gemini Embedding 2 или Cohere Embed 5, если модальность источника влияет на ответ. Для самостоятельного развёртывания здесь представлены Qwen3-Embedding, BGE-M3 и EmbeddingGemma. Полезным победителем станет модель, которая надёжно находит источники из вашей разметки.

Какие модели эмбеддингов можно попробовать бесплатно?

Для проверки через облачный API у Gemini есть бесплатный тариф, у Voyage — начальные пакеты токенов, а у Cohere — пробные ключи с ограничением частоты запросов и запретом на промышленное и коммерческое использование. Прежде чем рассчитывать на бесплатный доступ в клиентском приложении, проверьте лимит конкретной модели и условия промышленной эксплуатации.

Какие бесплатные модели подойдут для RAG?

Для текстового RAG на своей инфраструктуре сравните Qwen3-Embedding и BGE-M3; для локального мультимодального RAG добавьте EmbeddingGemma 2. Скачиваемые веса позволяют запускать энкодер самостоятельно, но инференс, хранение и обслуживание всё равно требуют ресурсов. Сохраняйте лицензию вместе с конкретной версией весов и учитывайте эксплуатационные расходы при сравнении с облачным API.

Следующий шаг — собрать вопросы поддержки, с которыми текущий поиск не справляется, и разметить фрагменты, где должны находиться ответы. Используйте чек-лист аудита бизнес-процессов с ИИ, чтобы определить рабочий процесс и критерии успеха до обработки всего корпуса.