埋め込み

確認すべきポイント

選択肢を分けるポイントを、重要な順に並べています。

1. 01

   自分の質問での検索品質

   重要な問いは1つだけです。クエリが、実際にそれに答える段落を返すかどうかです。MTEBのリーダーボードでは、それはRetr.の列であり、RAGシステムが決して実行しない分類、クラスタリング、文の類似度のタスクを混ぜたMean (Task)やBordaの順位ではありません。Octen-Embedding-8Bは多言語タブの総合で7位ですが、検索のスコアは4位のQwen3-Embedding-8Bより高くなっています（71.61対70.88）。ベンチマークは候補の絞り込みに使い、最終的な選択には自分の検索評価を使いましょう。

2. 02

   自分の分野との相性

   汎用のベンチマークは、契約書、診療記録、部品番号についてほとんど何も教えてくれません。候補が、専門用語、略語、そして2つの似た製品コードのように区別しなければならない密接に関連した概念をどう扱うかを確認してください。リーダーボードの分野別タブ（Code、Legal、Medical、Finance、Chemical）のほうが総合スコアよりよい目安になり、タスクの指示を受け付けるモデルは、指示を与えると数ポイント上がることがよくあります。

3. 03

   対応言語と言語をまたぐ検索

   ユーザーに必要なら、同じ言語での検索（ドイツ語の文書に対するドイツ語の質問）と、言語をまたぐ検索（日本語の文書に対する英語の質問）の両方をテストしてください。MTEBでは、Multilingualタブ（MMTEB、250を超える言語にわたる131のタスク）を、Englishタブや自分の市場の言語別タブと比べましょう。英語のスコアはモデルを実力以上に見せることがあります。「100以上の言語」という主張は、そのどの言語での品質についても何も語っていません。

4. 04

   チャンクに合う入力の長さ

   最大入力（リーダーボードのMax tokens）は、最も長いチャンクに先頭に付けるタイトルや見出しを加えた長さをカバーしなければなりません。さもないとテキストが、多くの場合黙って切り捨てられます。all-MiniLM-L6-v2は256のword pieceで止まります。上限が大きければ自動的に役立つわけではありません。長い段落に対する1つのベクトルは複数の話題をぼかしてしまうからです。主な利点は、チャンクサイズを自由に選べる余地ができることです。

5. 05

   次元数：品質のスコアではなく保存のコスト

   次元数が多いほど、ベクトルごとの保存容量、メモリ、検索の計算が増えますが、よりよい検索は保証されません。現在のモデルの多くはMatryoshka学習を使っているので、最初の256や512の数値だけを残しても損失はわずかです。Gemini Embedding 2は128から3,072までで、切り詰めたベクトルを自動で再正規化しますが、EmbeddingGemma 2は自分で再正規化するよう求めています。VoyageとCohereが提供するint8やバイナリの出力は、保存容量をさらに減らします。実際に保存するサイズでrecallをテストしてください。

6. 06

   ライフサイクル全体での速度と費用

   4つの費用を数えましょう。最初のコーパスの埋め込み、更新分の再埋め込み、クエリの遅延、そしてホスティングまたはAPIの料金です。テキストのAPI価格は100万トークンあたり$0.02〜$0.20（Jina v5 nanoからGemini Embedding 2まで）で、Voyage、OpenAI、Googleではバッチに33〜50%の割引があります。オープンモデルは料金がかかりませんが、リーダーボードのMemory (MB)の数字に合わせたGPUが必要です。Qwen3-Embedding-0.6Bは約1.1 GB、8Bは14.4 GBです。

7. 07

   デプロイとプライバシー

   文書とクエリが自社のインフラの外に出てもよいかを早めに決めましょう。出せないなら、自分で動かせるオープンウェイトが必要で、ライセンスがその用途を認めていなければなりません。Qwen3-EmbeddingとEmbeddingGemma 2はApache 2.0ですが、Jina v5とNemotron ColEmbed V2の重みは非商用です。ホスト型のAPIは運用の手間をなくしますが、すべてのクエリを見るベンダーが加わります。

8. 08

   対応する入力

   テキスト専用のモデルでは、まずすべてをテキストに変換する必要があります。コーパスにスキャンしたページ、スライド、写真、音声、動画が含まれるなら、それらを直接埋め込めるマルチモーダルモデルを検討し（下のデータの種類別のガイドを参照）、その入力の種類でベンチマークされているかを確認してください。MTEBには、画像（MIEB）、視覚的な文書（ViDoRe）、音声（MAEB）、動画（MVEB）の別々のタブがあります。

9. 09

   無視すると検索が壊れる利用上の要件

   インデックス化の前にモデルカードを読んでください。多くのモデルは、クエリにはプレフィックスや指示を、文書には別のプレフィックスを（またはプレフィックスなしを）想定しています。ベクトルの正規化が必要で、コサイン類似度か内積かを指定しているものもあります。EmbeddingGemma 2は、float16では出力が黙って壊れると警告しています。次元数が同じでも、クエリと文書のベクトルは同じモデル、同じ埋め込み空間から得なければならないので、モデルを変えるには一般にすべてを埋め込み直す必要があります。サイズ間で空間を共有するVoyage 4は珍しい例外です。

データの種類に合ったアプローチ

コンテンツの種類によって適したモデルは異なります。多くのシステムは複数のモデルを使い、データの種類で振り分けています。

MTEBリーダーボードの読み方

RAGや文書検索では、総合の平均ではなく、自分の言語に合うタブのRetr.の列から始めましょう。これらの列が評価するのは埋め込みモデルであり、ベクトルデータベースではありません。

Rank (Borda)

各タスクが、そのタスクでの相対的な順位に応じてモデルに「投票」し、全タスクで最も多くの票を得たモデルが1位になります。

検索ではなく、幅広い一貫性を評価します。隣り合う2つの順位の間には大きな差もごくわずかな差も隠れうるので、スコアを見てください。

Parameters (total and active)

埋め込みの重みを含むモデルのサイズです。アクティブパラメータが異なるのは混合エキスパートモデルだけです。

メモリと速度の目安です。表のParetoタグは、より小さな競合が上回っていないモデルを示します。8Bのモデルにお金を払う前に確認しましょう。

Openness

オープンウェイト、オープンなライセンス、オープンな学習コード、オープンな学習データ、論文、モデルカードについての0〜6のスコアです。

オープンウェイトだからといって商用利用が認められるとは限りません。ライセンスを読んでください。クローズドなAPIは、仕組み上ここでは低いスコアになります。

Zero-shot %

ベンチマークのタスクのうち、その学習データでモデルが学習していないものの割合です。「NA」は不明を意味します。

精度のスコアではありません。約80%を下回ると、スコアの一部はモデルが見たことのあるタスクを反映しています。Englishタブでは、上位5つのモデルのうちいくつかが48%〜51%です。

Mean (Task)

ベンチマークの全タスクの単純平均です。

比較しやすいものの、データセットの多いタスクの種類に偏ります。多言語タブでは、131のタスクのうち43が分類、18が検索です。

Mean (TaskType)

カテゴリ（分類、検索など）ごとに平均し、さらにカテゴリを等しい重みで平均したものです。

Mean (Task)よりカテゴリ間で公平ですが、検索に関係のないタスクも含まれます。数ポイント低くなると考えてください。

Mean (Public) and Mean (Private)

RTEBのように両方を含むベンチマークで、公開されたタスクと、ベンチマークが非公開にしている保留タスクのそれぞれの平均です。

公開タスクで非公開タスクよりはるかに優れたモデルは、ベンチマークに合わせて調整されている可能性があります。非公開のスコアのほうが正直な指標です。

Retr.

検索：大きなコーパスからクエリに関連する文書を見つけるタスクで、主にnDCG@10（正しい文書が上位10件のどれだけ上に現れるか）で採点されます。

RAGではこの列を優先してください。そのうえで、自分のデータに最も近い分野と言語のタブで確認しましょう。

Rerank

クエリに対する短い候補リストを並べ替えます。

検索にとって役立つ補助的な指標です。ここでは通常、専用のリランカーモデルのほうが埋め込みモデルより優れています。

Class. and MultiClass.

分類：埋め込みを特徴量として使い、決まった集合から1つまたは複数のラベルを割り当てます。

埋め込みでコンテンツにタグを付けたり振り分けたりするなら関係しますが、検索の指標ではありません。

Clust.

クラスタリング：ラベルなしでテキストをグループに分け、正解のグループと照らして採点します。

トピックの発見や重複排除には関係しますが、質問への回答には関係しません。

PairClass.

ペア分類：重複や言い換えなど、2つのテキストの関係を判定します。

重複検出の目安になります。クエリから段落への検索についてはほとんど何も語りません。

STS

意味的テキスト類似度：2つの文がどれだけ似ているかを尺度で評価します。

STSが高いだけでは、検索が優れていることにはなりません。質問と答えは互いの言い換えではないからです。

Bitext

対訳マイニング：言語をまたいで文とその翻訳を対応づけます。

言語をまたぐ対応関係の大まかな指標です。それでも、言語をまたぐ検索は直接テストしてください。

Summ.

要約（Englishタブ）：埋め込みが、機械による要約を人間の参照要約と照らしてどれだけうまく順位づけるかを採点します。

要約を評価するもので、モデルが要約を生成する能力を測るものではなく、検索にはほとんど関係ありません。

Instr Rerank

クエリに付けた自由形式の指示に導かれるリランキングです。

ほとんどのモデルはここで0〜12のスコアです。指示駆動の検索を計画していない限り無視してください。

Embedding dimension

モデルが出力するベクトルの長さです（リーダーボードには既定値または最大値が載っています）。

品質のスコアではなく保存のコストです。より小さなMatryoshkaのサイズに対応しているかを確認してください。

Max tokens

モデルが一度に読める最長の入力です。

チャンクサイズを上回る必要があります。それを超えると、大きいほど検索によいわけではありません。

Memory (MB)

重みの読み込みに必要なメモリで、CSVのダウンロードと各モデルのページに載っています。

これをもとにGPUやCPUの規模を決めてください。クローズドなAPIでは空欄です。

11 個のツールを比較

当サイトの評価順です。各レビューで出典、料金、評価の詳細を確認できます。

埋め込みのツール比較

ツール	評価	当サイトの評価	向いている用途	料金
voyage-4-largeモデル	4.5/5	競合にない強み、つまり共有のベクトル空間を持つ強力な検索モデルです。ただし、そのリードはVoyage自身のテストに基づいており、管理者がオプトアウトするまでデータが学習に使われる可能性があります。	テキスト検索やRAGを構築し、インデックス化の段階で品質にお金をかけ、クエリの埋め込みは安価に、またはローカルで動かしたいチームです。	100万（1M）トークンあたり$0.12です。最初の2億（200M）トークンは無料です（Batchは対象外）。Batch APIは33%引きです。
Jina Embeddings v5モデル	4.3/5	Jina v5のテキストとメディアで共有するベクトル空間は、小型埋め込みモデルで最も巧みな発想です。そして自分で動かしたい人には、非商用ライセンスが通行料になります。	小型モデルで多言語またはマルチモーダルの検索を作るチーム、特にElastic内で作るチーム。	Jina API：smallモデルは1Mトークンあたり$0.05、nanoは$0.02です。重みは非商用利用なら無料で、商用のセルフホストには有料のElasticライセンスが必要です。
Gemini Embedding 2モデル	4.3/5	Gemini Embedding 2は、動画や音声を1文で検索する最も簡単な方法であり、プレーンテキストを検索するには割高な方法です。	画像、録音、動画などの複合メディアを横断する検索やレコメンドを作る開発者に向いています。	100万トークンあたり：テキスト$0.20、画像$0.45、音声$6.50、動画$12。Batchは半額。制限つきの無料枠があります（入力は製品改善に使われます）。
EmbeddingGemma 2モデル	4.3/5	EmbeddingGemma 2は、写真、ボイスメモ、コードにまたがるプライベートなオフライン検索をスマートフォンで実用的にします。一方で、テキストのみの検索品質はバージョン1からほぼ変わっていません。	テキスト、コード、画像、音声にまたがるプライベートまたはオフラインの検索を作るモバイルやエッジの開発者。	Apache 2.0で無料。ただしGemma Prohibited Use Policyに従う必要があります。GoogleやHugging Faceの推論プロバイダーによるホスト型APIはまだありません。
Qwen3-VL-Embeddingモデル	4.3/5	1つのインデックスにテキストと並べてスライド、スクリーンショット、動画を収める必要があるとき、最初に試すべきオープンな埋め込みモデルです。ライセンスの問題はApache 2.0が片付けます。	寛容なライセンスのもとで、画像、動画、混在した文書をまたぐ検索をセルフホストするチーム。	Apache 2.0で無料です。
Qwen3-Embedding and Qwen3-Rerankerモデル	4.2/5	埋め込みモデルとリランカーを1つのライセンスでそろえた完全なオープンの検索スタックですが、リーダーボードの首位は2025年6月時点のものです。	多言語やコードの検索をセルフホストし、埋め込みとリランキングの両方を1つのオープンなライセンスでそろえたいチーム。	Apache 2.0で無料です。Qwen3をベースにしたQwen Cloudのホスト版text-embedding-v4は、100万トークンあたり$0.07です。
Cohere Embed 5モデル	4.2/5	長く視覚的に雑多なビジネス文書向けに作られ、価格も公開されました。ただし、有利に見えるベンチマークはすべてCohere自身によるものです。	テキストと画像が混在する長いPDF、提出書類、スライド資料をインデックス化する企業。	API：100万テキストトークンあたりPro $0.12、Fast $0.08。画像は100万あたり$0.40。Model Vaultは1インスタンスあたり1時間$3または月$2,000からです。
Marengo 3.5モデル	3.9/5	動画の中の場面を見つけるために作られ、小さなベクトルでストレージを安く抑えられます。ただし、その裏付けとなる数値はすべてTwelveLabsのものです。	大規模な動画ライブラリの検索を構築し、動画専門のマネージドな埋め込みAPIを求め、自前のベクトルストアを運用するチーム。	公開時のEmbed APIの料金（100万（1M）トークンあたり）：動画$0.26、音声$0.065、画像$0.08、ドキュメント$0.162、テキスト$0.20。プラン：Free、Plus 月$29、Pro 月$99、Enterpriseは個別見積もり。
Nemotron ColEmbed V2モデル	3.8/5	ページ画像検索の基準になるほど正確ですが、ライセンスのせいで、多くの企業にとっては基準として使うことしかできません。	視覚的な文書検索の強力なオープンなベースラインを必要とし、製品として出荷する予定のない研究者や評価チームに向いています。	非商用および研究用途で重みは無料です（CC BY-NC 4.0）。
text-embedding-3-largeモデル	3.7/5	安全で安価、すべてのベクトルデータベースが対応しています。ただしtext-embedding-3-largeは新しい検索モデルに差をつけられており、新規構築の前には再テストする価値があります。	すでにOpenAIを使っていて、検索品質のトップよりも、ベンダーの一本化、厳格なデータ条件、幅広いツール対応を重視するチームです。	100万（1M）トークンあたり$0.13です。Batchは半額です。text-embedding-3-smallは100万トークンあたり$0.02です。
all-MiniLM-L6-v2モデル	3.4/5	セマンティック検索を動かす最速の方法であることは変わりませんが、もはや本番に出すべきモデルではありません。	高速で、どこでもサポートされている英語の埋め込みモデルが必要な学習者やプロトタイプ制作者。	Apache 2.0で無料。

仕様の比較

このステップで重要な仕様です。2026年10月19日に確認しました。導入前に提供元のサイトで確認してください。

このステージが使われる場面

• 文書とのチャット：まず Qwen3-Embedding and Qwen3-Reranker から始めます。
• カスタマーサポートエージェント：まず Cohere Embed 5 から始めます。
• コーディングエージェント：まず Qwen3-Embedding and Qwen3-Reranker から始めます。
• リサーチとナレッジグラフ：まず voyage-4-large から始めます。
• 長期記憶を持つアシスタント：まず Jina Embeddings v5 から始めます。
• 画像生成パイプライン：まず Qwen3-VL-Embedding から始めます。
• 動画制作：まず Marengo 3.5 から始めます。
• 音声エージェント：まず EmbeddingGemma 2 から始めます。
• プライベートなオンデバイスAI：まず EmbeddingGemma 2 から始めます。
• 文書処理：まず Qwen3-VL-Embedding から始めます。

このガイドの出典

• MTEB leaderboard
• MTEB leaderboard API
• MTEB leaderboard release post (June 2026)
• MTEB docs: running the leaderboard and zero-shot annotation
• Leaderboard column definitions (leaderboard-frontend)
• MMTEB: Massive Multilingual Text Embedding Benchmark (arXiv)
• Gemini API: embeddings (Matryoshka and normalisation)
• Voyage AI docs: embeddings
• illuin-tech/colpali on GitHub
• Qwen3-VL-Embedding-8B model card
• Marengo 3.5 (TwelveLabs)