OpenAI、Cohere、Voyage 与 Qwen3：那个换不起的模型

先看全貌

四个模型，覆盖 2026 年真正可选的四种姿态：人人手上已有密钥的既定选项、多模态的那个、专门盯着存储账单的那个，以及那个你可以放进自己硬盘、从此不会弄丢的。

其中两格值得读两遍。Cohere 的 128k 输入与 OpenAI 的约 8k 不在一个数量级上，它改变了"一个块"被允许长成什么样。Qwen3-Embedding-8B 在 Qwen 于 2025 年 6 月发布时以 70.58 分位居 MTEB 多语言榜首——它也是这里唯一一个你可以把权重钉住、镜像下来，到 2031 年仍原封不动运行的模型。

只做一次的那个选择

两个模型，两个空间，中间没有桥

嵌入是某一个模型在训练中自行发明的空间里的一个坐标。把模型 A 的向量与模型 B 的向量做余弦相似度，不是信号弱，而是范畴错误——就像拿纬度去比华氏温度。你学不到一个便宜的投影来修好它，没有让两个模型同时服务同一索引的双写期，也没有办法只迁移语料的百分之十然后测一测。变更的单位是整个语料。

相比之下，栈里其他每一个部件都退化得优雅得多。生成模型可以挂在路由后面、在线上流量里评估。重排序器坐在检索之上，随时可以关掉。向量数据库可以双写，再按集合逐个切换。只有嵌入模型的迁移是原子的，而它的回滚只有一句话：你有没有把旧索引留着。

账单不是问题所在

人们把这场迁移当成一笔 API 费用来估价，而那是小的一半：

# 20M chunks at ~400 tokens each
tokens = 20_000_000 * 400          # 8.0e9

# The embed pass, at list price
openai_3_large = tokens / 1e6 * 0.13   # $1,040
voyage_3_5     = tokens / 1e6 * 0.06   # $  480

# The part that is not the bill:
#   both indexes resident until cutover  ->  2x vector storage
#   every retrieval baseline             ->  re-measured from zero
#   top-k, reranker cut-off, hybrid mix  ->  re-tuned per index
#   rollback                             ->  only if you kept index A

一千美元不算什么。真正的价格是：一个工程师花六周重新调 top-k 与重排序阈值，重新标注黄金集——因为旧的相关性判断是对着另一批邻居做出来的——再去为一个让部分查询变差的改动辩护。团队回避重嵌，不是因为它以美元计昂贵，而是因为它以信心计昂贵。

于是这个选择只朝一个方向复利

既然迁移这么别扭，理性的做法就是挑那个你不会长出其约束的模型，而不是本季度领先 1.5 分的那个。日后会咬人的约束是输入长度（你会想要更大的块）、输出宽度（你会想要更小的占用）、模态（总会来一份扫描件）与生命周期（模型总会被弃用）。而质量排名——每一篇对比文章都拿它开头的那个——恰恰是最能自行消化的约束：两分的检索差距会在你修好分块之后自动收窄，它永远不会变成一次迁移。

四个模型，各自到底是干什么用的

OpenAI text-embedding-3-large——不再是前沿的那个默认项

它出现在每一份教程、每一个框架的默认配置里，而且你的团队本来就有它的密钥。它同时也是这场对比中最宽的向量：3072 维 float32，输入上限约 8k token，只收文本，只出浮点，每 token $0.13 也是最贵的。Matryoshka 训练意味着你可以只要 1024 维或 256 维，按比例削掉存储而质量损失有限——但多数团队从没这么做过，因为默认值能用，而向量库那笔开销没人认领。

当检索只是配套功能而非产品本身、语料小到存储只是零头、而且"谁都不必去做评测"的价值高过那点差距时，选它。这是真实且常见的处境。只是要让它成为一个决定，而不是一个默认。

Cohere Embed v4——把一整条流水线删掉的那个

Embed v4 在同一个请求里接收文本与图像、可交错排列，输入窗口 128k token，输出维度可在 256 到 1536 之间配置，并支持 int8、uint8 与 binary 输出类型。文本每百万 token $0.12；图像单独计费，每百万图像 token $0.47。

选它的理由不是某个基准上的差值，而是一张幻灯片、一张图表、一份扫描发票或一帧截图可以按它本来的样子被嵌入，而不必先推过一条 OCR 加版面重建的流水线——那条流水线你之后要自己拥有、监控，并在解析器升级时整批重跑。如果你的语料确实是视觉性的，Embed v4 从你的架构里移走了一整个子系统——而少一个子系统，任何时候都胜过两个百分点的 nDCG。如果你的语料是纯文本，那你就是在为一项永远不会调用的能力付出 voyage-3.5 两倍的价钱。

voyage-3.5——那个读得懂存储账单的

voyage-3.5 通过 Matryoshka 学习支持 2048、1024、512 与 256 维，输出可选 float、int8、uint8、binary 与 ubinary，输入窗口 32k，标价每百万 token $0.06，是这里最低的。Voyage 自己给出的推荐组合——2048 维 int8——相对 3072 维 float，把向量数据库成本降低 83%，且检索质量更高。这个说法里成本的那一半不是基准，是除法：2048 字节比 12,288 字节，正是 83.3%，你拿计算器就能验。

质量的那一半是厂商在自家评测上给出的数字，就该按厂商数字来看待。但要紧的是这种不对称：只要质量的说法能做到并不更差，仅凭存储的算术，就足以为任何大到有一笔向量库开销的语料定下这道题。

Qwen3-Embedding-8B——那个你可以冻住的

Apache-2.0 权重，最高 4096 维，32k 输入窗口，100 多种语言，并在 Qwen 于 2025 年 6 月发布时以 70.58 分登上 MTEB 多语言榜首。它同时也是 80 亿个你从此要自己服务的参数：取满宽度时每条向量 16 KiB，跑在你为一个天然呈突发形态的嵌入负载所准备的硬件上——服务时清闲，重建索引时打满。

你不是为了榜单名次而选它。你选它是为了 API 一侧永远给不了的那一条性质：这个模型不会在你脚下被弃用。存在自家存储上的一份检查点，才是唯一真正扣得住的版本锁；而对于一份你打算保留十年的语料，这与"每百万 token 多少钱"根本不是同一类论证。同一家族里 0.6B 与 4B 的成员之所以存在，正是为了让这种姿态不必配上一份 8B 的服务预算。

横向对照

存储是那根会复利的轴

嵌入这一遍只收一次费；向量却要永远存下去，而在托管型向量数据库上，价格是"驻留字节数"与"被搜索字节数"的函数。按四家的默认设置，同一份两千万块的语料在取满宽度的 Qwen3 下是 328 GB 原始向量，OpenAI 下 246 GB，Cohere 下 123 GB，voyage-3.5 取 int8 时 41 GB。这个差额压根不会出现在模型的账单上——它出现在另一家厂商的账单上，而这正是它能在如此多的模型对比里一声不响活下来的原因。

四家里有三家在这里给了你一根杠杆，而且几乎不费力就能拉动：Matryoshka 训练让缩短的向量优雅退化而非断崖式崩坏，量化感知训练则让 int8 输出在质量上近乎白送。存储花得最多的团队，几乎总是那些从没传过 dimensions 或 embedding_types 参数的，而不是那些挑错了模型的。

质量差距小于你的分块差距

在任何一个公开检索基准上，这四个模型都会彼此相差几分之内，而排序会随基准、领域与语言而重排。与此同时，一个朴素的 512 token 定长分块器与一个尊重文档结构的分块器之间的差距，通常大于这里最好与最差模型之间的差距——而"有没有重排序器"的差距还要更大。如果你还没调过分块，那这场模型对比测的是你的分块器。

这也是 MTEB 名次不适合当首要输入的原因：它是一份如今模型在训练时已经知道其存在的排行榜，任务不是你的任务，而聚合方式又恰好盖住了你在意的那个领域。用它挑出三个候选；再用你自己语料里的 200 条查询、你自己的相关性判断在三者之间定夺——那是两天的活，也是唯一能迁移的测量。

多模态是一次穿着基准外衣的架构变更

这里只有 Cohere 收图像。这读起来像矩阵里的一行，实际却是流水线上的一个岔口。纯文本那条路需要一个解析阶段——OCR、版面重建、表格抽取、图注生成——它有自己的失败模式、自己的厂商、自己的账单和自己的升级跑步机，而且它悄悄决定了你的检索天花板，因为解析器丢掉的信息，下游没有任何环节能找回来。直接嵌入页面与其说让这个问题消失，不如说把它挪进了一个你不必运维的模型内部。

诚实的附带条件是：它也让故障变得不透明。解析器把表格弄坏了，你还能去看那份解析结果；多模态嵌入漏掉了图表角落里的那个数字，你就没有任何东西可查。当你的文档确实是视觉性的时候走这条路，而不是因为它听起来更现代。

生命周期：那个你熬不过去的弃用

生成模型退役时，你改一个字符串、重跑评测、吸收一些行为漂移。嵌入模型退役时，你要重嵌整个语料——正是本文通篇在讲的那场迁移，只不过按厂商的日程而不是你的日程。这里每一个 API 模型都带着这份敞口；开放权重的那个没有，因为硬盘上的一份检查点没有生命终止日期。这是检索层选择开放权重的最强论据，而它与成本或隐私毫无关系。

如果你留在 API 上——多数团队也该如此——缓解办法是让重嵌所需的原料常备：把块文本与向量存在一起，而不是只留在源系统里；让嵌入作业能从零冷启动跑通；让检索评测集进版本库、并且一个下午就能重跑。手里握着这三样的团队，能在一周内消化一次被迫的迁移。没有的团队，会在弃用窗口期里发现自己重建不出自己的索引。

什么情况选哪个

延伸阅读

本站相关：

• 嵌入：意义即几何——为何"相似即接近"就是全部机制，以及这对混用空间意味着什么。
• 分块与向量搜索直觉——那个通常才是检索差距真凶、却总被算到模型头上的环节。
• 选择向量数据库——每向量字节数那张图最终落到的那笔账单。
• 混合检索与重排序——比换模型更能撬动召回的两根杠杆。
• 模型弃用与迁移——本文主张你应当随时能演练的那套运维流程。
• 本地知识库——"本地"这个词背后的三个独立旋钮，其中一个就是嵌入这一步。

资料来源：

• voyage-3.5 and voyage-3.5-lite——维度、量化类型与那个 83% 的存储说法。
• Announcing Embed Multimodal v4 与 Cohere 嵌入文档——输入窗口、输出维度与 embedding_types。
• New embedding models and API updates——text-embedding-3 上的 dimensions 参数。
• Qwen3 Embedding——MTEB 多语言结果与 0.6B / 4B / 8B 家族。