مدل‌های embedding (جستجوی معنایی و RAG)

برای RAG فارسی، مدل embedding باید متن غیرلاتین را خوب پوشش بدهد. هزینهٔ embedding فقط بر مبنای توکن ورودی است، پس ایندکس‌کردن یک‌بارهٔ اسناد ارزان تمام می‌شود؛ هزینهٔ اصلی در مرحلهٔ پاسخ‌دهی است.

۴۰ مدل در این دسته · قیمت‌ها به تومان به‌ازای ۱ میلیون توکن

مدلقابلیت‌هاطول متنورودی / ۱Mخروجی / ۱M≈ ۱٬۰۰۰ کلمه
LFM2.5-Embedding-350Mliquid/lfm-2.5-embedding-350m:freeرایگان · ظرفیت محدودبردار متن (embedding)۵۱۲۰—۰٫۰۰
Llama Nemotron Embed VL 1B V2nvidia/llama-nemotron-embed-vl-1b-v2:freeرایگان · ظرفیت محدودورودی تصویربردار متن (embedding)۱۳۱٬۰۷۲۰—۰٫۰۰
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b:freeرایگان · ظرفیت محدودبردار متن (embedding)۳۲٬۷۶۸۰—۰٫۰۰
Nemotron 3.5 Embed 1Bnvidia/nemotron-3.5-embed-1b:freeرایگان · ظرفیت محدودورودی تصویربردار متن (embedding)۳۲٬۷۶۸۰—۰٫۰۰
Nemotron 3.5 Embed 8Bnvidia/nemotron-3.5-embed-8b:freeرایگان · ظرفیت محدودورودی تصویربردار متن (embedding)۳۲٬۷۶۸۰—۰٫۰۰
Embed V1 0.6Bperplexity/pplx-embed-v1-0.6bبردار متن (embedding)۳۲٬۰۰۰۱٬۳۸۵—۱٫۸۰
bge-base-en-v1.5baai/bge-base-en-v1.5بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
E5-Base-v2intfloat/e5-base-v2بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
all-MiniLM-L12-v2sentence-transformers/all-minilm-l12-v2بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
all-MiniLM-L6-v2sentence-transformers/all-minilm-l6-v2بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
all-mpnet-base-v2sentence-transformers/all-mpnet-base-v2بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
multi-qa-mpnet-base-dot-v1sentence-transformers/multi-qa-mpnet-base-dot-v1بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
paraphrase-MiniLM-L6-v2sentence-transformers/paraphrase-minilm-l6-v2بردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
GTE-Basethenlper/gte-baseبردار متن (embedding)۵۱۲۱٬۷۳۱—۲٫۲۵
bge-large-en-v1.5baai/bge-large-en-v1.5بردار متن (embedding)۵۱۲۳٬۴۶۲—۴٫۵۰
bge-m3baai/bge-m3بردار متن (embedding)۸٬۱۹۴۳٬۴۶۲—۴٫۵۰
E5-Large-v2intfloat/e5-large-v2بردار متن (embedding)۵۱۲۳٬۴۶۲—۴٫۵۰
Multilingual-E5-Largeintfloat/multilingual-e5-largeبردار متن (embedding)۵۱۲۳٬۴۶۲—۴٫۵۰
Qwen3 Embedding 8Bqwen/qwen3-embedding-8bبردار متن (embedding)۴۰٬۹۶۰۳٬۴۶۲—۴٫۵۰
GTE-Largethenlper/gte-largeبردار متن (embedding)۵۱۲۳٬۴۶۲—۴٫۵۰
Titan Text Embeddings V2amazon/titan-embed-text-v2بردار متن (embedding)۸٬۱۹۲۶٬۹۲۴—۹٫۰۰
voyage-4-litemongodb/voyage-4-liteبردار متن (embedding)۳۲٬۰۰۰۶٬۹۲۴—۹٫۰۰
Text Embedding 3 Smallopenai/text-embedding-3-smallبردار متن (embedding)۸٬۱۹۲۶٬۹۲۴—۹٫۰۰
Qwen3 Embedding 4Bqwen/qwen3-embedding-4bبردار متن (embedding)۳۲٬۷۶۸۶٬۹۲۴—۹٫۰۰
Embed V1 4Bperplexity/pplx-embed-v1-4bبردار متن (embedding)۳۲٬۰۰۰۱۰٬۳۸۷—۱۳٫۵۰
voyage-4mongodb/voyage-4بردار متن (embedding)۳۲٬۰۰۰۲۰٬۷۷۳—۲۷٫۰۱
Embed 5 Fastcohere/embed-5-fastورودی تصویربردار متن (embedding)۱۲۸٬۰۰۰۲۷٬۶۹۸—۳۶٫۰۱
Titan Embeddings G1 - Textamazon/titan-embed-text-v1بردار متن (embedding)۸٬۱۹۲۳۴٬۶۲۲—۴۵٫۰۱
Mistral Embed 2312mistralai/mistral-embed-2312بردار متن (embedding)۸٬۱۹۲۳۴٬۶۲۲—۴۵٫۰۱
Text Embedding Ada 002openai/text-embedding-ada-002بردار متن (embedding)۸٬۱۹۲۳۴٬۶۲۲—۴۵٫۰۱
Embed 5 Procohere/embed-5-proورودی تصویربردار متن (embedding)۱۲۸٬۰۰۰۴۱٬۵۴۶—۵۴٫۰۱
voyage-4-largemongodb/voyage-4-largeبردار متن (embedding)۳۲٬۰۰۰۴۱٬۵۴۶—۵۴٫۰۱
voyage-code-4mongodb/voyage-code-4بردار متن (embedding)۳۲٬۰۰۰۴۱٬۵۴۶—۵۴٫۰۱
voyage-multimodal-3.5mongodb/voyage-multimodal-3.5ورودی تصویربردار متن (embedding)۳۲٬۰۰۰۴۱٬۵۴۶—۵۴٫۰۱
Text Embedding 3 Largeopenai/text-embedding-3-largeبردار متن (embedding)۸٬۱۹۲۴۵٬۰۰۹—۵۸٫۵۱
Gemini Embedding 001google/gemini-embedding-001بردار متن (embedding)۲۰٬۰۰۰۵۱٬۹۳۳—۶۷٫۵۱
Codestral Embed 2505mistralai/codestral-embed-2505بردار متن (embedding)۸٬۱۹۲۵۱٬۹۳۳—۶۷٫۵۱
Gemini Embedding 2google/gemini-embedding-2ورودی تصویرورودی فایلورودی صوتبردار متن (embedding)۸٬۱۹۲۶۹٬۲۴۴—۹۰٫۰۲
Gemini Embedding 2 Previewgoogle/gemini-embedding-2-previewورودی تصویرورودی فایلورودی صوتبردار متن (embedding)۸٬۱۹۲۶۹٬۲۴۴—۹۰٫۰۲
Titan Multimodal Embeddings G1amazon/titan-embed-image-v1ورودی تصویربردار متن (embedding)۱۲۸۲۷۶٬۹۷۵—۳۶۰٫۰۷

دسته‌های دیگر