Embeddingmodellen vergelijken (OpenAI vs Cohere vs OSS)

OpenAI is niet de enige optie. Cohere, Voyage, Google en veel open-sourcemodellen bieden concurrerende embeddings — soms goedkoper, beter in meerdere talen of gespecialiseerd in code.

De juiste keuze hangt af van de gebruikssituatie.

De standaardkeuze voor de meeste teams:

• + Sterke kwaliteit voor Engels
• + Goedkoop ($0,02 per 1 miljoen tokens voor small)
• + Tot 3072 dimensies met Matryoshka
• - Alleen in de cloud

Cohere's embed-multilingual-v3 is de sterkste optie voor meerdere talen:

• + Uitstekend voor meerdere talen (meer dan 100 talen)
• + Aparte modi voor zoekopdrachten en documenten
• - Iets duurder

Aanbevolen door Anthropic; sterke gespecialiseerde modellen:

• + voyage-3 — de beste voor algemene doeleinden
• + voyage-code-3 — de beste voor code
• + voyage-finance / law — afgestemd op specifieke domeinen

De toonaangevende open-sourcefamilie van BAAI:

• + Gratis, werkt op een CPU of kleine GPU
• + bge-large-en, bge-m3 (meertalig)
• - Iets minder goed dan gesloten modellen op MTEB

Microsofts e5-large-familie. Een sterke open-sourceconcurrent, populair in onderzoeksbenchmarks.

MTEB (Massive Text Embedding Benchmark) is de standaardranglijst: huggingface.co/spaces/mteb/leaderboard

Filter op je taak (ophalen, classificatie, clustering) en taal.

Voor 1 miljoen documenten (ongeveer 500 miljoen tokens):

• text-embedding-3-small: ongeveer $10
• text-embedding-3-large: ongeveer $65
• Cohere v3: ongeveer $50
• Lokale BGE op een GPU: ongeveer $5 (elektriciteit)

Als je geen gegevens naar OpenAI kunt sturen:

• Host BGE / E5 zelf met sentence-transformers
• Gebruik Cohere via AWS Bedrock (toezeggingen over gegevenslocatie)
• Gebruik OpenAI via Azure (vergelijkbaar)

Voor niet-Engelstalige inhoud:

• Cohere multilingual v3 — de breedste ondersteuning
• bge-m3 — sterke meertalige open-sourceoptie
• OpenAI text-embedding-3 — verrassend goed, maar gericht op Engels

Voor code: voyage-code-3 of jina-embeddings-v2-base-code

Voor financiën en recht: voyage-finance, voyage-law

Voor wetenschappelijke inhoud: SPECTER, SciNCL

Combineer GEEN vectoren van verschillende modellen in dezelfde index — ze zijn niet vergelijkbaar. Embed alles opnieuw met één model als je overstapt.

Zo kies je de juiste manier:

1. Stel een kleine evaluatieverzameling samen met paren van (zoekopdracht, verwachte documenten)
2. Embed je corpus met beide modellen
3. Meet recall@10 op de evaluatieverzameling
4. Kies de winnaar

Gebruik standaard text-embedding-3-small; verken Cohere voor meerdere talen, Voyage voor code en specifieke domeinen en BGE voor zelfbeheer. Benchmark altijd met je eigen gegevens.