رتبهبندی 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.
بهصرفهترین در این دسته
امتیاز از ۱۰۰: ۵۰٪ ارزانی، ۳۰٪ قابلیتها و ۲۰٪ اندازهٔ context — نه سنجهٔ کیفیت پاسخ.
| # | مدل | context | ≈ ۱٬۰۰۰ کلمه | امتیاز |
|---|---|---|---|---|
| مدلی در این دسته قیمتگذاریشده نیست. | ||||
فهرست کامل مدلهای embedding (جستجوی معنایی و RAG) با قیمت ←