Die besten Embedding-Modelle 2026

Embedding-Modelle: Von 17 getesteten Angeboten liegen derzeit Voyage rerank-3, voyage-4-large und Cohere Rerank 5 vorn. Alle sind nach unserer Bewertung sortiert, mit Preis, unserem Fazit und für wen sie sich eignen.

Von Andrew Miller · Aktualisiert am 26. Okt. 2026 · So testen wir

So ist das Ranking entstanden: nach unserer Bewertung (maximal 5 Punkte), aus Tests auf Grundlage der Preise, Dokumentation und Richtlinien des jeweiligen Produkts sowie unabhängiger Benchmarks, wo es sie gibt, jeweils geprüft an dem im Test genannten Datum. Wir erhalten keine Affiliate-Provisionen.

1. 1
   

   Voyage rerank-3

   Nach Voyages eigenen Zahlen liegt rerank-3 vor jedem gehosteten Konkurrenten, und das Lite-Modell kostet so wenig, dass das Rate Limit, nicht die Rechnung, bestimmt, wie viel Reranking du betreibst.

   Am besten für: Teams mit RAG oder Suche im Produktivbetrieb, die für ihr Geld die beste gehostete Reranking-Qualität wollen.

   Preis: rerank-3 0,05 $ pro 1 Mio. Tokens; rerank-3-lite 0,02 $ pro 1 Mio. Tokens; die ersten 200 Mio. Tokens kostenlos.

   Unseren Test von Voyage rerank-3 lesen
   4.6/5
2. 2
   

   voyage-4-large

   Ein starkes Retrieval-Modell mit einem Trick, der der Konkurrenz fehlt, einem gemeinsamen Vektorraum, doch sein Vorsprung beruht auf Voyages eigenen Tests, und es darf auf deinen Daten trainieren, bis ein Admin widerspricht.

   Am besten für: Teams, die Textsuche oder RAG bauen, beim Indexieren für Qualität zahlen und Anfragen günstig oder lokal embedden wollen.

   Preis: 0,12 $ pro 1 Mio. Tokens; die ersten 200 Mio. Tokens kostenlos (nicht bei Batch); Batch-API mit 33 % Rabatt.

   Unseren Test von voyage-4-large lesen
   4.5/5
3. 3
   

   Cohere Rerank 5

   Rerank 5 macht Reranking so günstig, dass man es nicht mehr rationieren muss, und so kalibriert, dass man einem Schwellenwert trauen kann, auch wenn bisher jeder Benchmark dahinter von Cohere selbst stammt.

   Am besten für: Teams mit produktivem RAG oder Unternehmenssuche, die einen gehosteten Reranker mit verlässlichen Score-Schwellen und Optionen für private Bereitstellung wollen.

   Preis: Pro 0,05 $ und Fast 0,02 $ pro Million Tokens auf Coheres API. Dedizierte Model-Vault-Instanz 4,00 $/Stunde (2.500 $/Monat) für beide Größen.

   Unseren Test von Cohere Rerank 5 lesen
   4.4/5
4. 4
   

   EmbeddingGemma 2

   EmbeddingGemma 2 macht private Offline-Suche über Fotos, Sprachnotizen und Code auf dem Smartphone praktikabel, lässt die Qualität beim reinen Text-Retrieval aber fast genau dort, wo Version eins sie hinterlassen hat.

   Am besten für: Entwickler für Mobilgeräte und Edge, die private oder Offline-Suche über Text, Code, Bilder und Audio bauen.

   Preis: Kostenlos unter Apache 2.0, vorbehaltlich der Gemma Prohibited Use Policy. Noch keine gehostete API von Google oder von Inference-Providern auf Hugging Face.

   Unseren Test von EmbeddingGemma 2 lesen
   4.3/5
5. 5
   

   Gemini Embedding 2

   Gemini Embedding 2 ist der einfachste Weg, Video und Audio mit einem Satz zu durchsuchen, und ein zu teurer Weg, reinen Text zu durchsuchen.

   Am besten für: Entwickler, die Suche oder Empfehlungen über gemischte Medien wie Bilder, Aufnahmen und Video bauen.

   Preis: Pro 1 Mio. Tokens: Text 0,20 $, Bild 0,45 $, Audio 6,50 $, Video 12 $; Batch zum halben Preis; kostenlose Stufe mit Limits (Eingaben werden zur Produktverbesserung genutzt).

   Unseren Test von Gemini Embedding 2 lesen
   4.3/5
6. 6
   

   Jina Embeddings v5

   Der gemeinsame Vektorraum für Text und Medien bei Jina v5 ist die klügste Idee unter den kleinen Embedding-Modellen, und eine nicht kommerzielle Lizenz ist der Preis für alle, die es selbst betreiben wollen.

   Am besten für: Teams, die mehrsprachige oder multimodale Suche auf kleinen Modellen aufbauen, besonders innerhalb von Elastic.

   Preis: Jina API: small-Modelle 0,05 $ pro 1 Mio. Tokens, nano 0,02 $. Gewichte kostenlos für nicht kommerzielle Nutzung; kommerzielles Self-Hosting braucht eine kostenpflichtige Lizenz von Elastic.

   Unseren Test von Jina Embeddings v5 lesen
   4.3/5
7. 7
   

   Jina Reranker v3.5

   Ein Reranker mit 0,6B Parametern, der bei BEIR einen mit 4B schlägt, gebremst durch eine Lizenz, die Self-Hosting zum Vertriebsgespräch macht.

   Am besten für: Elastic-Nutzer und Teams, die einen kleinen Reranker mit langem Kontext auf eigener Hardware wollen.

   Preis: Jina API 0,05 $ pro 1 Mio. Tokens. Gewichte kostenlos für nicht kommerzielle Nutzung; kommerzielles Self-Hosting braucht eine kostenpflichtige Lizenz von Elastic.

   Unseren Test von Jina Reranker v3.5 lesen
   4.3/5
8. 8
   

   Qwen3-VL-Embedding

   Der offene Embedder, mit dem du anfangen solltest, wenn ein Index Folien, Screenshots und Video neben Text aufnehmen muss, und Apache 2.0 klärt die Lizenzfrage.

   Am besten für: Teams, die Suche über Bilder, Video und gemischte Dokumente unter einer freizügigen Lizenz selbst hosten.

   Preis: Kostenlos unter Apache 2.0.

   Unseren Test von Qwen3-VL-Embedding lesen
   4.3/5
9. 9
   

   Cohere Embed 5

   Gebaut für lange, visuell unübersichtliche Geschäftsdokumente und inzwischen mit offenen Preisen, auch wenn jeder Benchmark, der es gut aussehen lässt, von Cohere selbst stammt.

   Am besten für: Unternehmen, die lange PDFs, Pflichtmeldungen und Foliensätze mit gemischtem Text und Bildern indexieren.

   Preis: API: Pro 0,12 $ und Fast 0,08 $ pro 1 Mio. Text-Tokens; Bilder 0,40 $ pro 1 Mio. Model Vault ab 3 $/Stunde oder 2.000 $/Monat pro Instanz.

   Unseren Test von Cohere Embed 5 lesen
   4.2/5
10. 10
    

    Qwen3-Embedding and Qwen3-Reranker

    Ein kompletter offener Such-Stack unter einer Lizenz, Embedder und Reranker zusammen, auch wenn seine Spitzenposition auf der Rangliste aus dem Juni 2025 stammt.

    Am besten für: Teams, die mehrsprachige Suche oder Code-Suche selbst hosten und Embedding und Reranking unter einer offenen Lizenz wollen.

    Preis: Kostenlos unter Apache 2.0. Das gehostete text-embedding-v4 von Qwen Cloud, das auf Qwen3 aufbaut, kostet 0,07 $ pro 1M Tokens.

    Unseren Test von Qwen3-Embedding and Qwen3-Reranker lesen
    4.2/5
11. 11
    

    Marengo 3.5

    Gezielt dafür gebaut, Momente in Videos zu finden, mit kleinen Vektoren, die den Speicher günstig halten. Allerdings stammt jede Zahl dahinter von TwelveLabs.

    Am besten für: Teams, die eine Suche über große Videobibliotheken bauen, eine verwaltete, auf Video spezialisierte Embedding-API wollen und ihren eigenen Vektorspeicher betreiben.

    Preis: Embed API zum Start, pro 1 Mio. Tokens: Video 0,26 $, Audio 0,065 $, Bild 0,08 $, Dokument 0,162 $, Text 0,20 $. Pläne: Free, Plus 29 $/Monat, Pro 99 $/Monat, Enterprise individuell.

    Unseren Test von Marengo 3.5 lesen
    3.9/5
12. 12
    

    zerank-2

    Ein präziser offener Reranker, dessen kalibrierte Scores sich lohnen, hinter dem jetzt aber niemand mehr steht außer deiner eigenen GPU.

    Am besten für: Teams, die bereits GPU-Inferenz betreiben und einen kostenlosen Reranker mit Relevanz-Scores wollen, die sie als Schwellenwert nutzen können.

    Preis: Kostenlos unter Apache 2.0. Die gehostete API von ZeroEntropy (0,025 $ pro 1 Mio. Tokens zum Start) wurde nur bis zum 4. September 2026 unterstützt und gibt jetzt einen Fehler zur Nichtverfügbarkeit zurück.

    Unseren Test von zerank-2 lesen
    3.9/5
13. 13
    

    mxbai-rerank v2

    Allein wegen der Lizenz weiterhin der sicherste kleine Reranker zum Selbsthosten, auch wenn sein Benchmark-Vorsprung vom März 2025 stammt.

    Am besten für: Teams, die einen kleinen, freizügig lizenzierten Reranker auf eigener Hardware betreiben wollen.

    Preis: Kostenlos unter Apache 2.0. Gehostet nur in Mixedbread Search: semantische Suche 4 $ pro 1.000 Anfragen, 7,50 $ mit Reranking; Scale-Plan 20 $/Monat an Guthaben.

    Unseren Test von mxbai-rerank v2 lesen
    3.8/5
14. 14
    

    Nemotron ColEmbed V2

    Genau genug, um der Maßstab für die Suche in Seitenbildern zu sein, und so lizenziert, dass die meisten Unternehmen es nur als Maßstab nutzen dürfen.

    Am besten für: Forschende und Evaluierungsteams, die eine starke offene Baseline für visuelles Dokument-Retrieval brauchen und nicht vorhaben, sie auszuliefern.

    Preis: Kostenlose Gewichte für nicht kommerzielle Nutzung und Forschung (CC BY-NC 4.0).

    Unseren Test von Nemotron ColEmbed V2 lesen
    3.8/5
15. 15
    

    Cohere Rerank 4

    Rerank 4 funktioniert weiterhin, doch Coheres eigenes Rerank 5 schlägt es inzwischen in jedem Benchmark, den Cohere angibt. Damit ist es ein Modell, von dem man wegmigriert, nicht eines, das man neu einführt.

    Am besten für: Teams mit einer abgestimmten Rerank-4-Pipeline, die Zeit brauchen, bevor sie auf Rerank 5 neu validieren.

    Preis: Abrechnung pro Suche (eine Anfrage, bis zu 100 Dokumente). Vercel AI Gateway führt Pro mit 2,50 $ und Fast mit 2,00 $ pro 1.000 Suchen; Coheres Seite zeigt keine Preise für Rerank 4 mehr.

    Unseren Test von Cohere Rerank 4 lesen
    3.7/5
16. 16
    

    text-embedding-3-large

    Sicher, günstig und von jeder Vektordatenbank unterstützt, liegt text-embedding-3-large inzwischen so weit hinter neueren Retrievern, dass sich vor jedem neuen Projekt ein erneuter Test lohnt.

    Am besten für: Teams, die bereits mit OpenAI arbeiten und einen einzigen Anbieter, strenge Datenbedingungen und breite Tool-Unterstützung höher bewerten als die beste Retrieval-Qualität.

    Preis: 0,13 $ pro 1 Mio. Tokens; Batch zum halben Preis; text-embedding-3-small 0,02 $ pro 1 Mio.

    Unseren Test von text-embedding-3-large lesen
    3.7/5
17. 17
    

    all-MiniLM-L6-v2

    Immer noch der schnellste Weg zu funktionierender semantischer Suche, aber nicht mehr das richtige Modell für den Produktivbetrieb.

    Am besten für: Lernende und Prototypenbauer, die ein schnelles, überall unterstütztes englisches Embedding-Modell brauchen.

    Preis: Kostenlos unter Apache 2.0.

    Unseren Test von all-MiniLM-L6-v2 lesen
    3.4/5