选嵌入模型，别只看MTEB分数

选嵌入模型，很多人第一反应是看MTEB分数。分数高，似乎就等于能力强。Karthik在X上分享了他的RAG学习心得，结论有点反直觉：MTEB高分，不代表检索好用。

MTEB全称是Massive Text Embedding Benchmark，覆盖分类、聚类、语义相似度等十几个任务。分数高说明模型综合能力强，但RAG更关心的是，给定一个查询，模型能不能把相关文档排到前面。这两个目标之间有断层。

他在帖子里提到RTEB（Retrieval Embedding Benchmark），这个基准专门测检索，覆盖代码、医疗、金融、法律等垂直领域。相比MTEB，更接近RAG的真实使用场景。

另一个值得注意的点：开放权重模型已经具备和专有模型竞争的实力。Qwen3、Nemotron这些开源模型，在检索任务上并不逊色。

分数之外，上下文长度、向量维度、托管成本和许可证条款，同样影响落地。上下文短，大文档块喂不进去；向量维度高，存储和查询成本上涨；许可证限制多，商用直接卡壳。

Karthik最后给出的建议很朴素：不要只看基准分数选模型，拿自己的数据和查询去测。每个模型各有擅长，别人好用的不一定适合你。最好的模型，是能正确检索到你要的内容的那一个。

评论区有人补了个实操方法：建一个小测试集，收集真实查询和对应正确文档块，用recall@k衡量。这个比看MTEB分数靠谱。