Embedding 与 Reranker Awesome

文本、视觉向量模型和 Cross-Encoder Reranker 资源索引。

Models

model	size/B	dim	context	notes
text-embedding-3-small	-	1536	8191	OpenAI、MRL
text-embedding-3-large	-	3072	8191	OpenAI、MRL
bge-m3	0.57	1024	8192	Multi-function
Qwen3-Embedding	0.6 / 4 / 8	1024 / 2560 / 4096	32768	MRL、Instruction
Qwen3-Reranker	0.6 / 4 / 8	-	32768	Cross-encoder
Qwen3-VL-Embedding	2 / 8	2048 / 4096	32768	MRL、Instruction、Image
Qwen3-VL-Reranker	2 / 8	-	32768	Multimodal

Resources

• Qwen3-Embedding
  • 1024-4096 维、32K、MRL、Instruction。
• Qwen3-VL-Embedding
  • 多模态 Embedding / Reranker；llama.cpp 支持状态需要单独确认。
• Hugging Face Text Embeddings Inference
• MTEB Leaderboard
• pgvector 类型限制：
  • vector：最多 2,000 维。
  • halfvec：最多 4,000 维。
  • bit：最多 64,000 位。
  • sparsevec：最多 1,000 个非零元素。

选型关注点

• 语种、领域和查询/文档长度。
• Dense、Sparse、Late Interaction 或 Cross-Encoder 架构。
• 向量维度、MRL 截断能力、索引大小和检索延迟。
• Recall@k、nDCG、MRR、rerank 增益与业务数据集表现。
• 多模态对齐、增量更新、量化和部署 runtime。