2026 年最佳开源嵌入(Embedding)模型

嵌入模型把文本,以及现在的图像、视频和音频,转换成向量,用于搜索和检索增强生成。大多数模型小到能在笔记本 CPU 上运行,所以许可证、语言覆盖和输入长度比参数规模更重要。在付费使用嵌入 API 之前,先看看这里。

  • 榜单更新于 2026年11月11日
  1. BGE-M3 下载量最高

    智源研究院的 MIT 许可证模型,一个模型同时支持稠密、稀疏和多向量检索,覆盖 100 多种语言,输入最长 8192 token。截至 2026 年 11 月 11 日的 30 天内约有 2900 万次下载,远超本站收录的其他嵌入模型。

    • BAAI
    • 568M
    • 8K token
    • MIT (宽松)
    • 约 2.61 GB 起
  2. Qwen3-Embedding

    阿里巴巴的 Apache 2.0 模型家族,有 0.6B、4B 和 8B 三种规格:支持 100 多种语言、32K 上下文,向量长度可调。截至 2026 年 11 月 11 日的 30 天内,0.6B 模型约有 890 万次下载。

    • Alibaba Qwen
    • 7.57B
    • 32K token
    • Apache 2.0 (宽松)
    • 约 1.38 GB 起
  3. Harrier OSS v1

    微软的 MIT 许可证模型家族,有 270M、0.6B 和 27B 三种规格,输入最长 32K token,模型卡列出 42 种语言。微软报告 Multilingual MTEB v2 得分为 66.5、69.0 和 74.3,这是自测分数,截至 2026 年 11 月 11 日的 30 天内 0.6B 约有 22.2 万次下载。查询需要加一句任务指令。

    • Microsoft
    • 27B
    • 32K token
    • MIT (宽松)
    • 约 0.621 GB 起
  4. EmbeddingGemma 2

    Google DeepMind 的 740M、Apache 2.0 模型,把文本、代码、图像、视频和音频放进同一个检索空间,可以在设备端运行。

    • Google DeepMind
    • 740M
    • 8K token
    • Apache 2.0 (宽松)
    • 约 0.621 GB 起
  5. Nemotron 3.5 Embed 最新

    NVIDIA 的 8B 和 1B 检索模型,无需先做 OCR 就能检索文档页面图像和文本,另有配套的 8B 重排序模型。NVIDIA 报告 8B 在 ViDoRe v3.1 上的 nDCG@10 为 61.17,这是自测分数。OpenMDW-1.1 允许商用。

    • NVIDIA
    • 8.38B
    • 32K token
    • OpenMDW-1.1 (宽松)
    • 约 1.46 GB 起
  6. Qwen3-VL-Embedding

    阿里巴巴的 Apache 2.0 多模态组合(2B 和 8B),把文本、图像、截图和视频放进同一个检索空间,适合检索图文混排的文档。

    • Alibaba Qwen
    • 8.14B
    • 32K token
    • Apache 2.0 (宽松)
    • 约 4.9 GB 起
  7. Granite Embedding R2 最佳小模型

    IBM 的 Apache 2.0 ModernBERT 模型,参数从 47M 到 311M,支持英文,或 52 种重点语言加代码。小到 CPU 就能运行,IBM 称训练数据只使用宽松、适合企业的许可证。

    • IBM
    • 312M
    • 32K token
    • Apache 2.0 (宽松)
    • 约 0.115 GB 起
  8. voyage-4-nano

    Voyage AI 的 346M、Apache 2.0 嵌入模型,它的向量与托管的 Voyage 4 模型共用一个空间,可以先在本地开发,以后切换也无需重建索引。博客没有给出 nano 模型的分数,BF16 文件为 0.69 GB。

    • Voyage AI
    • 346M
    • 32K token
    • Apache 2.0 (宽松)
    • 约 0.425 GB 起
  9. Jina Embeddings v5

    Jina AI 的 v5 组合,包含 677M 和 239M 两个多语言模型,由 Qwen3-Embedding-4B 蒸馏而来。采用 CC BY-NC 许可证,只能非商业免费使用。

    • Jina AI
    • 677M
    • 32K token
    • CC BY-NC (非商用)
    • 约 0.552 GB 起
  10. Jina Embeddings v5 Omni

    Jina 的 small 和 nano 模型,把文本、图像、视频和音频放进同一个空间,文本向量与 v5 文本模型完全相同,所以已有索引无需重建。CC BY-NC 意味着商业产品需要另行授权,分数都是 Jina 自己的。

    • Jina AI
    • 1.63B
    • 32K token
    • CC BY-NC (非商用)
    • 约 2.27 GB 起
  11. pplx-embed

    Perplexity 采用 MIT 许可证的模型家族:0.6B 和 4B 的稠密文本模型,上下文 32K,原生输出 int8 向量,还有上下文模型,以及最大 9B 的 v2 多模态后期交互和上下文模型。截至 2026 年 11 月 11 日的 30 天内,v1 0.6B 约有 64,700 次下载,v2 的分数来自 Perplexity 自己。

    • Perplexity
    • 8.4B
    • 32K token
    • MIT (宽松)
    • 约 2.76 GB 起
  12. Giga-Embeddings

    Sber 的 MIT 许可证俄语和英语嵌入模型,有 480M、3B 和 10B 混合专家三种规格。在 Sber 的表格里,480M 模型在 MTEB 俄语上得 70.98,领先 Qwen3-Embedding-0.6B,但后者在英语、代码和多语言测试上更强。

    • Sber (GigaChat)
    • 10.5B (激活 1.8B)
    • 8K token
    • MIT (宽松)
    • 约 1.13 GB 起

我们如何筛选

  • 现在就能从开发者官方仓库下载的开放权重。
  • 列出语言、最长输入和支持的模态,因为它们决定模型是否适合你的文档。
  • MTEB 等基准上的分数是自测的,也很容易针对性优化,所以请用自己数据中的几百条真实查询测试几个模型。
  • 我们阅读了每个许可证,因为这里的 Jina 模型只能非商业免费使用。