Embedding-моделі для RAG у 2026: як обрати, порівняння провайдерів

Ви побудували RAG-пайплайн, підключили LLM, налаштували vector store — а пошук повертає нерелевантні результати. Проблема майже завжди не в LLM, а в embedding-моделі. Саме вона визначає, наскільки точно система розуміє зміст тексту і знаходить правильні фрагменти. Спойлер: для англомовного старту — OpenAI text-embedding-3-small або voyage-4-lite за $0.02/1M токенів. Для мультимовного контенту — Qwen3-Embedding-8B ($0.01) або Cohere embed-v4. Нижче — коли що обирати.

📌 Розділ 2. Критерії вибору embedding-моделі

Не існує «найкращої» embedding-моделі — є найкраща для вашої конкретної задачі, мови контенту і бюджету.

Ціна за 1M токенів

Діапазон: від $0 (open-source, self-hosted) до $0.20 (Gemini Embedding 2). Для блогу з 500 статей різниця між $0.02 і $0.13 — це центи. Для корпусу з мільйонів документів — сотні доларів щомісяця.

Розмірність вектора

384 (MiniLM) → 768 (nomic) → 1024 (mxbai, Voyage 4) → 1536 (OpenAI small, Cohere v4) → 3072 (OpenAI large, Gemini) → 4096 (Qwen3-8B). Більша розмірність = точніший пошук, але більше місця у vector store. Більшість нових моделей підтримують Matryoshka (MRL) — розмірність можна зменшити без переіндексації іншою моделлю. Для pgvector з кількома тисячами чанків різниця мізерна.

Контекстне вікно

Скільки токенів модель обробляє за один запит. 512 (mxbai, Nomic V2) — короткі чанки. 8192 (OpenAI, Gemini, nomic-embed-text) — достатньо для статей. 32K (Voyage 4, Jina v5, Qwen3-8B) — цілі документи. 128K (Cohere embed-v4) — максимум серед популярних моделей.

Мультимовна підтримка

Критично для проєктів з контентом на кількох мовах. OpenAI працює добре з англійською, гірше з кирилицею. Cohere embed-v4 і Gemini Embedding 2 підтримують 100+ мов. Серед open-source — Qwen3-Embedding (у лідерах мультимовного MTEB) і BGE-M3 (dense + sparse вектори в одній моделі).

Якість retrieval (MTEB бенчмарк)

MTEB (Massive Text Embedding Benchmark) — стандарт порівняння embedding-моделей. Зверніть увагу: бали MTEB v1 і v2 між собою не порівнюються, а англійський і мультимовний лідерборди дають різні рейтинги. І головне — бенчмарки не завжди відображають якість на ваших даних. Тестуйте на своєму контенті.

Швидкість інференсу

Для індексації (batch, нічний шедулер) — не критично. Для пошуку в реальному часі — важливо. API-провайдери зазвичай відповідають за 50–200мс. Self-hosted на CPU — повільніше.

Висновок: визначте мову контенту, бюджет і масштаб — і ці три фактори звузять вибір до 2–3 моделей.

📌 Розділ 3. Платні API-провайдери

OpenAI: text-embedding-3-small і text-embedding-3-large

text-embedding-3-small — 1536 вимірів, $0.02/1M токенів. text-embedding-3-large — 3072 вимірів, $0.13/1M токенів, підтримує MRL (можна зменшити до 256 з мінімальною втратою якості). Обидві моделі — 2024 року: нових embedding-моделей OpenAI відтоді не випускала, тож на бенчмарках вони вже поступаються новішим конкурентам. Зате це найпростіша інтеграція і найширша екосистема.

Підходить: загальний RAG, англомовний контент, швидкий старт. Не підходить: мультимовний контент з кирилицею, код і техдоки.

Cohere: embed-v4

100+ мов, контекст 128K токенів, $0.12/1M. За замовчуванням 1536 вимірів (можна 256–1536 через MRL). Мультимодальна: текст і зображення в одному просторі. Бінарна квантизація зменшує зберігання до ~90% з мінімальною втратою якості.

Підходить: мультимовні продукти, довгі документи, enterprise. Не підходить: англомовний контент з обмеженим бюджетом — є дешевші варіанти.

Voyage AI: серія Voyage 4

Три моделі з контекстом 32K і 1024 вимірами за замовчуванням (256–2048 через MRL): voyage-4-large — $0.12, найвища точність; voyage-4 — $0.06; voyage-4-lite — $0.02, як OpenAI small, але з учетверо довшим контекстом. Вектори всієї серії сумісні між собою. Є окремі моделі для коду, фінансів і права. Рекомендований Anthropic.

Підходить: техдоки і код (large), бюджетний RAG з довгими чанками (lite). Не підходить: якщо потрібна мультимодальність або self-hosted.

Google Gemini Embedding 2

Мультимодальна модель: текст, зображення, відео, аудіо і PDF в одному векторному просторі. $0.20/1M токенів ($0.10 через batch API), контекст 8192, до 3072 вимірів — Google рекомендує 768 як оптимум якості і розміру. Один із найсильніших комерційних API на бенчмарках. Вектори несумісні з gemini-embedding-001.

Підходить: мультимодальний пошук, Google Cloud екосистема. Не підходить: якщо потрібен тільки текст — дорожча за всіх у списку.

Jina AI: jina-embeddings-v5

Дві текстові моделі: v5-text-small (1024 виміри) і v5-text-nano (768 вимірів, працює навіть на CPU). Контекст 32K, 90+ мов, task-specific LoRA адаптери для retrieval, matching, clustering і classification. Через API — $0.05/1M. Ваги відкриті, але під ліцензією CC-BY-NC — для комерційного self-hosted потрібна окрема ліцензія.

Підходить: мультимовний пошук за помірну ціну, edge-розгортання (nano). Не підходить: безкоштовний комерційний self-hosted.

Висновок: з мого досвіду, для швидкого старту — OpenAI small: найпростіша інтеграція. Якщо потрібен довший контекст за ту саму ціну — voyage-4-lite. Мультимовний контент — Cohere. Код і техдоки — voyage-4-large. Зображення, відео, аудіо — Gemini. Мультимовність за помірну ціну — Jina.

📌 Розділ 4. OpenRouter: embedding через єдиний API

Доступні embedding-моделі на OpenRouter

openai/text-embedding-3-small — $0.02/1M, 1536 вимірів. openai/text-embedding-3-large — $0.13/1M, 3072 вимірів. qwen/qwen3-embedding-8b — $0.01/1M, контекст 32K, мультимовна. voyage/voyage-4 — $0.06/1M, контекст 32K. google/gemini-embedding-2 — $0.20/1M, мультимодальна. perplexity/pplx-embed-v1-0.6b — $0.004/1M, контекст 32K — найдешевший варіант.

Коли OpenRouter — правильний вибір

• ✔️ Потрібно швидко порівняти кілька embedding-моделей на одних даних
• ✔️ Проєкт вже використовує OpenRouter для LLM (один API-ключ і білінг)
• ✔️ Потрібен fallback: якщо один хостинг моделі впав — запит піде до іншого

Коли краще напряму до провайдера

• ⚠️ Потрібні специфічні фічі провайдера (Cohere binary quantization, Jina LoRA adapters)
• ⚠️ Enterprise SLA і гарантії доступності
• ⚠️ Великі обсяги — комісія агрегатора стає помітною

Для локальної розробки з Ollama embedding-моделі запускаються безкоштовно без жодного API. Детальніше — Ollama у 2026: що це таке і чому розробники масово переходять на локальний AI.

Висновок: для мене OpenRouter — зручний агрегатор для порівняння моделей і швидкого старту. Для production зі специфічними вимогами я рекомендую використовувати прямий API провайдера.

📌 Розділ 5. Open-source моделі (self-hosted)

Qwen3-Embedding (0.6B, 4B, 8B)

Три розміри під різне залізо: 0.6B (1024 виміри), 4B (2560), 8B (4096). Контекст 32K, 100+ мов, ліцензія Apache 2.0, підтримка MRL. 8B — у лідерах мультимовного MTEB серед моделей, які реально запустити локально. Є в Ollama: qwen3-embedding:8b займає ~4.7 ГБ, 0.6b — ~640 МБ.

BGE-M3 (BAAI)

Гібридний пошук: dense + sparse вектори в одній моделі. 100+ мов, контекст 8192. Ідеальний для RAG, де потрібен і семантичний, і keyword пошук одночасно. Як описано у статті RAG з Ollama, fallback з vector search на keyword search — критичний продакшн-патерн, і BGE-M3 вирішує це на рівні моделі.

Nomic Embed Text V2

Mixture-of-Experts: 475M параметрів, з них активні лише 305M — швидка для свого класу. ~100 мов, 768 вимірів (можна до 256). Але контекст лише 512 токенів — тільки для коротких чанків. Для довгих текстів у Ollama краще nomic-embed-text першої версії (8192 токени).

EmbeddingGemma і MiniLM

Легкі моделі для слабкого заліза і прототипів. EmbeddingGemma (~300M) — найкраща мультимовна модель свого розміру, 100+ мов. MiniLM — 46 МБ, 384 виміри, лише англійська. Обидві поступаються Qwen3 і BGE-M3 на retrieval-задачах, але працюють навіть на CPU.

Плюси і мінуси self-hosted

• ✔️ Безкоштовно — нуль витрат на API
• ✔️ Повний контроль над даними — нічого не йде в хмару
• ✔️ Немає rate limits і залежності від зовнішнього сервісу
• ⚠️ Потрібен GPU для швидкої генерації (на CPU — повільніше)
• ⚠️ Інфраструктура на вас: оновлення, масштабування, моніторинг
• ⚠️ Перевіряйте ліцензію: не всі відкриті ваги дозволяють комерційне використання

Висновок: open-source — правильний вибір для конфіденційних даних, мінімального бюджету або повного контролю. Для більшості проєктів — Qwen3-Embedding (розмір під ваше залізо) або BGE-M3.

📌 Розділ 6. Таблиця порівняння всіх моделей

Висновок: таблиця — відправна точка. Фінальний вибір — тільки після тестування на ваших реальних даних.

📌 Розділ 7. Кому що підходить — матриця вибору

Висновок: визначте свою ситуацію в таблиці — і отримаєте конкретну рекомендацію з якої почати.

💼 Розділ 8. Мій досвід: embedding для мультимовного блогу WebCraft

Більшість проблем з embedding я знайшов не в документації — а через реальні запити користувачів, де пошук повертав не те.

Стек

Java 21, Spring Boot, Spring AI, PostgreSQL з pgvector на Railway. Embedding: openai/text-embedding-3-small через OpenRouter. LLM для генерації: meta-llama/llama-3.3-70b-instruct (безкоштовна версія). Індексація: нічний шедулер, batch по 10–20 документів.

Чому обрав text-embedding-3-small

$0.02 за мільйон токенів — для ~2000 документів це буквально центи на місяць. 1536 вимірів — достатня «роздільна здатність» для блогового контенту. OpenAI-сумісний API через OpenRouter — мінімум змін у коді при переключенні моделей.

Проблеми які я знайшов

Кирилиця: якість пошуку на українських запитах помітно нижча ніж на англійських. Запит «як зробити сайт» знаходив менш релевантні результати ніж еквівалентний «how to build a website». Для мультимовного блогу це критично.

Короткі запити: запит з 1–2 слів (наприклад «RAG» або «Spring») давав розмиті результати з низьким score. Рішення — fallback на keyword search для коротких запитів, як описано у статті про RAG з Ollama.

Дублікати при переіндексації: без детермінованих ID чанків — база накопичувала дублікати. Рішення: UUID на основі document_id + номер чанка.

Що б зробив інакше

Для мультимовного контенту з кирилицею — розглянув би Qwen3-Embedding-8B ($0.01/1M — дешевше за OpenAI small) або Cohere embed-v4. Обидві помітно сильніші на нелатинських мовах. Важливо: зміна моделі означає повну переіндексацію, тому спочатку варто порівняти моделі на вибірці реальних запитів, а не на всій базі.

Реальні цифри

• ✔️ ~500 статей × 4 мови = ~2000 документів
• ✔️ ~10 000 чанків по 512 токенів
• ✔️ Індексація: ~15–20 хвилин через API
• ✔️ Вартість embedding: менше $1 на місяць
• ✔️ Пошук: 100–300мс на запит

Повний розбір RAG-архітектури для production — RAG у 2026: від PoC до production.

Висновок: для мультимовного блогу OpenAI small працює, але не ідеально з кирилицею. Для подібних проєктів варто тестувати Qwen3-Embedding-8B або Cohere — ціна та сама або нижча, а якість на кирилиці помітно вища.

❓ Часті питання (FAQ)

Чи можна змінити embedding-модель без переіндексації?

Ні. Різні моделі дають несумісні вектори — навіть нова версія від того самого провайдера (наприклад, Gemini Embedding 2 несумісна з gemini-embedding-001). Рідкісний виняток — серія Voyage 4, де моделі мають спільний векторний простір. Тому вибір embedding-моделі на старті — одне з найважливіших архітектурних рішень у RAG.

Безкоштовні моделі гірші за платні?

Не завжди. Qwen3-Embedding-8B і BGE-M3 перевершують OpenAI small на мультимовних retrieval-задачах, а Qwen3-8B — серед лідерів MTEB загалом. Але бенчмарки — не гарантія. Тестуйте на своїх даних.

Скільки коштує embedding для малого проєкту?

Для блогу з 500 статей на OpenAI small — менше $1 на місяць. На Qwen3 через OpenRouter — менше $0.50. Self-hosted — $0, але потрібен сервер з GPU для швидкої генерації.

Яку модель обрати для українського контенту?

OpenAI працює, але якість нижча ніж для англійської. Найкращий баланс ціни і якості — Qwen3-Embedding-8B ($0.01/1M на OpenRouter або безкоштовно локально). Альтернативи — Cohere embed-v4 і BGE-M3.

Що таке Matryoshka Representation Learning (MRL)?

Техніка, яка дозволяє зменшувати розмірність вектора без перетренування моделі. Наприклад, OpenAI large генерує 3072 виміри, але можна використати тільки перші 256 — з мінімальною втратою якості. Це економить місце у vector store і прискорює пошук. Сьогодні MRL підтримують більшість нових моделей: Voyage 4, Cohere embed-v4, Gemini Embedding 2, Qwen3-Embedding.

✅ Висновки

• 🔹 Embedding-модель — фундамент RAG. Погана модель зробить весь пайплайн марним, незалежно від якості LLM
• 🔹 Англомовний контент: OpenAI text-embedding-3-small або voyage-4-lite ($0.02/1M) — у другої контекст 32K
• 🔹 Мультимовний контент з кирилицею: Qwen3-Embedding-8B ($0.01/1M), Cohere embed-v4 або BGE-M3 — значно точніші за OpenAI
• 🔹 Зміна embedding-моделі = повна переіндексація. Обирайте усвідомлено на старті
• 🔹 Бенчмарки (MTEB) — корисний орієнтир, але фінальне рішення — тільки після тестування на ваших реальних даних і запитах

Головна думка: я раджу не витрачати тижні на вибір «ідеальної» embedding-моделі. Почніть з OpenAI small (англомовний контент) або Qwen3-Embedding-8B (мультимовний), логуйте score на реальних запитах, і замініть модель тільки якщо бачите конкретні проблеми з якістю пошуку.

Якщо ви тільки починаєте з RAG — RAG з Ollama: від пайплайну до продакшну дасть повну картину архітектури. Якщо потрібно зрозуміти різницю між LLM і RAG — LLM vs RAG у 2026. А повний гайд з PoC до production — RAG у 2026: від PoC до production.