向量维度对比表
对比主流Embedding模型的维度、上下文长度、MTEB均分与价格，支持筛选排序，并可估算百万级文本的向量存储空间。
免费在线工具
Loading…
使用说明
- 通过「维度范围」下拉框筛选小维度（≤768）、中维度（769~1536）或大维度（≥1537）模型。
- 通过「价格范围」下拉框筛选免费/开源、低价（低于0.05美元/M）、中等（0.05~0.20美元/M）或高价（不低于0.20美元/M）模型。
- 点击表格表头（模型名称、提供商、维度、最大 Token、MTEB 均分、价格）可按该列升序或降序排序。
- 绿色底色的行是推荐模型，带「推荐」徽章。
- 在「存储空间估算」中输入文本数量，工具按 float32 精度（每维度4字节）计算各维度代表模型的存储占用。
功能介绍
- 收录 OpenAI、Cohere、Voyage AI、BAAI、阿里、微软、Jina AI 等厂商的 21 款主流 Embedding 模型。
- 每行展示向量维度、可选维度、最大 Token、MTEB 均分与每百万 Token 价格。
- 支持按维度范围和价格范围双维度筛选，点击表头任意排序。
- 推荐模型以绿色底色和「推荐」徽章标注。
- 内置存储空间估算：输入文本数量，按 float32 精度（4 字节/维度）计算各维度模型的存储占用。
- MTEB（Massive Text Embedding Benchmark）英文文本嵌入综合基准，用于横向对比模型质量。
使用场景
Embedding 模型选型
开发 RAG 应用前对比各模型的维度、MTEB 均分和价格，按预算挑选合适的向量模型。
向量存储空间评估
输入计划入库的文本数量，估算不同维度模型下的向量存储占用，判断是否需要降维或换模型。
低价方案筛选
使用价格筛选快速定位免费/开源或低价模型，在预算内选择性能最优的选项。
按 MTEB 分数排序选优
点击 MTEB 均分表头排序，快速找到基准成绩最好的模型再结合价格权衡。
常见问题
数据是最新的吗？
表格数据为静态内置数据，仅作参考，页面提示以各厂商官方文档为准；部分模型（如 OpenAI text-embedding-3 系列）支持多档维度输出。
MTEB 均分是什么意思？
MTEB（Massive Text Embedding Benchmark）是英文文本嵌入的综合基准测试，分数越高代表模型在该基准上的综合表现越好。
存储空间是怎么算的？
按 float32 精度计算：存储空间 = 文本数 × 维度 × 4 字节。实际使用中若用 int8 量化或 MRL 降维，占用会更小。
为什么有的模型维度列显示多个值？
部分模型支持输出多个维度的向量（如 text-embedding-3-small 支持 512 或 1536 维），表格中会列出可选维度。
推荐标记的依据是什么？
综合维度适中、MTEB 分数与价格平衡等因素的人工标注，代表在多数场景下值得优先尝试的模型，最终选择仍要结合自身数据与场景实测。