Embedding-Benchmark aktualisiert: 25 Modelle, 4 Domänen
Die Embedding-Modell-Benchmarks wurden mit nDCG@10-Ergebnissen aus 200 Fragen aus Finanzen, Recht, technischem Support und Gesundheitswesen aktualisiert.
Embedding-Benchmarks
Vergleichen Sie Embedding-Modelle anhand von 200 Fragen aus Finanzen, Recht, technischem Support und Gesundheitswesen. Entdecken Sie die Retrieval-Ergebnisse von AIMultiple, API-Preise und Modelldetails. Zur Methodik.
Benchmark-Ergebnisse bis 1. Oktober 2026. API-Preise geprüft am 14. Oktober 2026.
TOP-MODELL
Voyage 4 Large
nDCG@10 0.851
Bestes Preis-Leistungs-Verhältnis
PPLX Embed v1 0.6B
$0.1263 Benchmark-Kosten
Größtes Modell
PPLX Embed v1 4B
4.02B Parameter
Abdeckung
25 Modelle
4 Domänen · 200 Fragen
Embedding-Modell-Benchmarks (nDCG@10)
Durchschnittlicher Retrieval-Score über 200 Fragen in vier Domänen. Höher ist besser.
Rangliste
Alle 25 Modelle, sortiert nach dem durchschnittlichen nDCG@10 über Finanzen, Recht, technischen Support und Gesundheitswesen.
Filtern & Sortieren
# | Modell | nDCG@10 | Finanzen | CUAD (Recht) | TechQA (Support) | MedRAG (Gesundheitswesen) |
|---|---|---|---|---|---|---|
| 1 |  Voyage 4 Large Voyage AI | 0.851 | 0.838 | 0.704 | 0.887 | 0.978 |
| 2 |  Cohere Embed 5 Pro Cohere | 0.850 | 0.791 | 0.759 | 0.894 | 0.953 |
| 3 | Cohere Embed 5 Fast Cohere | 0.839 | 0.808 | 0.762 | 0.846 | 0.940 |
| 4 |  Gemini Embedding 2 Google | 0.830 | 0.824 | 0.731 | 0.796 | 0.967 |
| 5 | Voyage 4 Voyage AI | 0.829 | 0.782 | 0.700 | 0.855 | 0.980 |
| 6 | Voyage 4 Lite Voyage AI | 0.793 | 0.725 | 0.668 | 0.831 | 0.949 |
| 7 | Gemini Embedding 001 Google | 0.785 | 0.755 | 0.634 | 0.787 | 0.963 |
| 8 | Cohere Embed v4.0 Cohere | 0.772 | 0.723 | 0.626 | 0.785 | 0.953 |
| 9 | Voyage Code 4 Voyage AI | 0.770 | 0.824 | 0.687 | 0.616 | 0.952 |
| 10 |  Codestral Embed Mistral AI | 0.766 | 0.790 | 0.588 | 0.753 | 0.933 |
Seite 1 von 3 | ||||||
Preis ($/1M)$0.1200
Parameter-
ErschienenJan 2026
Finanzen
0.838
CUAD (Recht)
0.704
TechQA (Support)
0.887
MedRAG (Gesundheitswesen)
0.978
Preis ($/1M)-
Parameter-
ErschienenSep 2026
Finanzen
0.791
CUAD (Recht)
0.759
TechQA (Support)
0.894
MedRAG (Gesundheitswesen)
0.953
Preis ($/1M)-
Parameter-
ErschienenSep 2026
Finanzen
0.808
CUAD (Recht)
0.762
TechQA (Support)
0.846
MedRAG (Gesundheitswesen)
0.940
Preis ($/1M)$0.2000
Parameter-
ErschienenApr 2026
Finanzen
0.824
CUAD (Recht)
0.731
TechQA (Support)
0.796
MedRAG (Gesundheitswesen)
0.967
Preis ($/1M)$0.0600
Parameter-
ErschienenJan 2026
Finanzen
0.782
CUAD (Recht)
0.700
TechQA (Support)
0.855
MedRAG (Gesundheitswesen)
0.980
Preis ($/1M)$0.0200
Parameter-
ErschienenJan 2026
Finanzen
0.725
CUAD (Recht)
0.668
TechQA (Support)
0.831
MedRAG (Gesundheitswesen)
0.949
Preis ($/1M)$0.1500
Parameter-
ErschienenJul 2025
Finanzen
0.755
CUAD (Recht)
0.634
TechQA (Support)
0.787
MedRAG (Gesundheitswesen)
0.963
Preis ($/1M)-
Parameter-
ErschienenApr 2025
Finanzen
0.723
CUAD (Recht)
0.626
TechQA (Support)
0.785
MedRAG (Gesundheitswesen)
0.953
Preis ($/1M)$0.1200
Parameter-
ErschienenAug 2026
Finanzen
0.824
CUAD (Recht)
0.687
TechQA (Support)
0.616
MedRAG (Gesundheitswesen)
0.952
Preis ($/1M)$0.1500
Parameter-
ErschienenMai 2025
Finanzen
0.790
CUAD (Recht)
0.588
TechQA (Support)
0.753
MedRAG (Gesundheitswesen)
0.933
Seite 1 von 3
Embedding-Modell-Benchmarks nach Erscheinungsdatum
Bester durchschnittlicher nDCG@10 je Herausgeber nach Veröffentlichungsdatum des Modells. Jede Stufe ist eine Veröffentlichung, die das bisherige Bestergebnis des Herausgebers übertraf; Modelle ohne Veröffentlichungsdatum werden nicht gezeigt. Das Diagramm zeigt 16 von 25 Modellen.
Benchmark-Kosten vs. Retrieval-Genauigkeit
Gesamtkosten für das Embedding aller 341.040 Passagen und 200 Anfragen je Modell, gegenüber dem durchschnittlichen nDCG@10. Das sind die Kosten für den Benchmark-Lauf, kein Preis pro Million Tokens. Geschätzte Kosten: Cohere Embed v4.0. Die nDCG@10-Achse beginnt bei 0.50.
Methodik
Wie die Embedding-Modell-Benchmarks entstehen
Wir haben Embedding-Modelle mit einem festen Satz von 200 Fragen getestet: je 50 aus Finanzen, Recht, technischem Support und Gesundheitswesen. Jede Anfrage durchsucht die vollständige Textpassagen-Sammlung ihrer Domäne. Wir ordnen die Modelle nach dem mittleren nDCG@10, der belohnt, wenn erfasste relevante Passagen weit oben unter den ersten zehn Ergebnissen stehen.
Die vier Sammlungen enthalten 341.040 Textpassagen: aus Quelldokumenten extrahierte Abschnitte, keine Anzahl von Sätzen oder Originaldokumenten. Die Fragen wurden mit BM25 ausgewählt, und die Relevanzlabels sind unvollständig. Es handelt sich um Ergebnisse auf einem Entwicklungsdatensatz, nicht um eine verblindete Holdout-Evaluierung. Die Embeddings wurden über gehostete APIs erzeugt; das Kostendiagramm zeigt, was das Embedding des gesamten Benchmarks je Modell gekostet hat, und API-Listenpreise stehen separat in der Rangliste.
Neueste Aktualisierungen
Neueste Aktualisierungen
Aktuelle Änderungen an den Embedding-Modell-Benchmarks, der Modellabdeckung und der Benchmark-Methodik von AIMultiple.
Update
Embedding-Benchmark aktualisiert: 25 Modelle, 4 Domänen
Die Embedding-Modell-Benchmarks wurden mit nDCG@10-Ergebnissen aus 200 Fragen aus Finanzen, Recht, technischem Support und Gesundheitswesen aktualisiert.
