2026 旗舰级语义向量检索与多模态重排 Embedding 基座天梯 (Top 10)

在 MTEB 全球多语言综合检索排行榜上位居前列，8K 长篇论文语义表征极佳。

独步天下的 Multi-Functionality 架构，同时输出 Dense、Sparse 与 Multi-Vector 评分。

输出标准 1024 维向量，能够良好适配主流向量数据库的标量量化索引。

基于 RoBERTa 优化架构，配合 ONNX/TensorRT 在单张显卡上可实现万级文档每秒编码。

Apache 2.0 极宽松开源协议，完全杜绝任何商用合规法律纠纷。

MTEB 各类文本分类、聚类与搜索任务得分极其拔尖，长文本保持良好。

纯 Dense 稠密向量架构，关键词精准匹配需搭配外部传统搜索引擎补齐。

Matryoshka Representation Learning 训练典范，截断维度后精度衰减极小。

云端 API 吞吐极高，但受制于网络 RTT 往返时延。

商业闭源云端 API，提供企业级数据隐私协议但无法导出本地权重。

在技术代码与专业长篇文档检索基准上大幅超越通用闭源模型。

高精度 Dense 向量，深度融合了代码符号语义。

提供高质量的维度配置与高压缩容忍度。

云端推理延迟优化极佳，长文本向量化极快。

商业托管服务，提供严谨的客户数据安全保护协议。

多语言检索基准测试成绩优秀，意图感知敏锐。

支持通过 input_type 指定搜索意图，表征对齐扎实。

原生二值化压缩（Binary Embeddings）的行业开创者，压缩比天下无双。

云端 API 并发吞吐扎实，提供全球主要云平台托管。

通过 AWS、Azure 等大厂云平台提供符合金融级安全审计的交付通道。

在 C-MTEB 中文权威评测集上多项任务稳居榜首，长文本保持力强。

基于通用指令微调，具备极强的意图感知能力。

支持标准向量量化工具链，兼容主流国产与开源向量库。

基于大模型架构，计算密度高，建议配合 vLLM 或 TensorRT-LLM 运行。

开源协议友好，支持商业化无限制内网部署。

在 MTEB 多项任务上均展现出极高的综合适应度，长文本表现扎实。

通过专用 LoRA 针对非对称检索进行了重点强化。

支持 Matryoshka 维度自定义缩减，适配不同存储预算。

模型体积适中（约 570M 参数），在主流服务器上吞吐极高。

支持 CC-BY-NC 或商业授权，生态服务支持友好。

在 512 窗口内中文检索精度处于行业顶级，超长文本需依赖外部切片。

纯 Dense 架构，配合配套的 bge-reranker 重排模型可达极佳效果。

标准 1024 维输出，主流向量数据库对其标量量化支持极其成熟。

计算开销低，显存占用少，单卡吞吐极大。

MIT 开源协议，免费商用零门槛。

MTEB 英文权威排行榜表现极其亮眼，概念区分度高。

高质量 Dense 语义表示，向量区分度优秀。

支持标准向量量化与紧凑存储。

1.5B/400M 紧凑参数，单卡并发处理速度极快。

开源友好，方便研究与商业落地。

在指令引导下的非对称任务检索效果显著提升。

依赖高质量自然语言指令微调，语义对齐强。

支持标准 4096 维输出与量化降维。

计算密度较高，建议部署在有现代 GPU 加速的环境中。

宽松开源协议，支持自由研究与商业部署。

日常短句与中等长度文本分类匹配合格，长文本表征非其设计场景。

标准 384 维稠密向量，几何空间致密。

原生 384 维本身已经极其节省存储空间，量化后极其微小。

吞吐速度极其惊人，纯 CPU 环境下吞吐冠绝全场。

Apache 2.0 协议，完全自由商用，全球应用最广的基石之一。