通用嵌入模型对比：OpenAI Embedding、BGE、M3E、GTE
嵌入模型是将文本转换为向量表示的核心组件，它的质量直接影响检索的准确率和最终回答效果。目前常用的嵌入模型在性能、成本、部署方式和语言支持上各有侧重。以下对比基于实际测试和公开发布的基准结果，旨在帮助根据自身场景做出选择。
1. 模型简介
OpenAI Embedding
text-embedding-3-small和text-embedding-3-large是当前推荐使用的版本，前代text-embedding-ada-002已逐渐被取代。- 通过 API 调用，无需自建服务，支持多语言（中英混合表现较好）。
- 支持通过
dimensions参数动态缩减维度，在略微降低精度的代价下大幅减少存储和计算开销。
BGE（BAAI General Embedding）
- 由智源研究院（BAAI）开源，提供多个尺寸版本：
bge-large-zh-v1.5（1024维）、bge-base-zh-v1.5（768维）及对应的英文模型。 - 在 C-MTEB（中文大规模文本嵌入基准）上长期排名前列，中文检索能力突出。
- 本地部署友好，可通过 HuggingFace 直接加载，也支持常见推理框架。
M3E（Massive Mixed Embedding）
- 由 MokaAI 开源，小巧高效，主流版本
m3e-base输出 768 维向量。 - 专门针对中文场景优化，训练阶段混合了大量中文语料。
- 模型体积小、显存占用低，适合在资源受限的环境或需要快速启动的项目中使用。
GTE（General Text Embedding）
- 阿里巴巴达摩院开源，提供
gte-large-zh（1024维）、gte-base-zh（768维）等多个版本。 - 中英文双语能力均衡，模型质量经过大规模弱监督对比学习训练，在 MTEB 和 C-MTEB 上均有不错的成绩。
- 同样支持本地部署，适合有中文和部分英文混合需求的场景。
2. 核心维度对比
| 模型 | 开源/商业 | 典型向量维度 | 最大输入长度 | 中文支持 | 本地部署 | 成本 |
|------|------------|--------------|--------------|----------|----------|------|
| OpenAI Embedding 3 Small | 商业 | 512（可调） | 8191 tokens | 优秀 | 否（仅API） | 按 token 计费，低价 |
| OpenAI Embedding 3 Large | 商业 | 3072（可调） | 8191 tokens | 优秀 | 否（仅API） | 按 token 计费，价格较高 |
| BGE-large-zh-v1.5 | 开源 | 1024 | 512 tokens | 极佳 | 是 | 仅算力与维护 |
| M3E-base | 开源 | 768 | 512 tokens | 优秀 | 是 | 仅算力与维护 |
| GTE-large-zh | 开源 | 1024 | 512 tokens | 优秀 | 是 | 仅算力与维护 |
3. 性能表现（C-MTEB 中文基准，数值越高越好）
基于 C-MTEB 的检索任务子项（Retrieval）平均得分，大致参考（因评测版本和配置略有浮动）：
- BGE-large-zh-v1.5：约 73-75
- GTE-large-zh：约 71-73
- M3E-base：约 68-70
- OpenAI text-embedding-3-large：约 72-74
- OpenAI text-embedding-3-small：约 68-70
在同等维度量级下，BGE 和 GTE 稍占优势，但差距并不悬殊。OpenAI 模型在长文本和多语言混杂场景下稳定性更好，且 8191 tokens 的长输入窗口是显著优势。
4. 选型建议
- 追求省心、有预算、需要长文本支持
直接用 OpenAI Embedding 3 Small 或 Large。无需维护模型服务，自动扩容，长文本截断少，多语言覆盖全面。适合早期验证或不想承担基础设施成本的团队。
- 中文为主、要求最高检索精度、允许本地部署
首选 BGE-large-zh-v1.5。在中文检索任务上表现最稳定，开源社区活跃，持续更新。对内存和显存有一定要求，但在 24GB 显存单卡上即可流畅推理。
- 资源受限、对启动速度和模型体积敏感
M3E-base 是很务实的选择。模型仅几百 MB，CPU 下也能完成向量化，适合轻量化应用或边缘设备。性能并未明显落后，性价比极高。
- 中英双语混合、期望高质量本地部署
GTE-large-zh 是个均衡选项。中英文能力都不弱，适合企业内部既有中文文档又频繁出现英文术语的场景。
5. 实务实操
在实际项目中，可以用少量业务数据做自测：准备 10～20 个典型问题，人工标注相关文档片段，然后分别用候选嵌入模型构建索引、进行检索，比较召回率和 MRR（平均倒数排名）。这种“小样本评测”往往比通用基准更能反映模型在你的知识库上的真实表现。
同时，注意向量维度对成本的影响。高维度（如3072维）意味着索引存储和相似度搜索的计算量成倍增长。如果召回质量差异不大，选择较低维度的模型（如512维）能显著降低向量数据库开销。
以上对比旨在为选型提供参考，没有绝对的“最佳”模型，只有最适合当前资源、成本和精度权衡的方案。