Embeddings — Bedeutung als Zahlenvektor
Ein Embedding‑Modell verwandelt Text in einen 768‑ bis 3072‑dimensionalen Vektor. Texte mit ähnlicher Bedeutung liegen geometrisch nah beieinander.
| Modell | Dim | Stärke |
|---|---|---|
| OpenAI text‑embedding‑3‑large | 3072 | Top‑Genauigkeit |
| OpenAI text‑embedding‑3‑small | 1536 | günstig + schnell |
| Cohere embed‑v3 | 1024 | multilingual |
| Voyage v3 | 1024 | RAG‑optimiert |
| BGE‑M3 (open) | 1024 | lokal, gratis |
Distanzmaße:
- Cosine Similarity: Winkel zwischen Vektoren — Standard für RAG.
- Dot Product: bei normalisierten Vektoren = Cosine, schneller.
- Euclidean (L2): seltener; für nicht‑normalisierte Vektoren.
Zurück zu Künstliche Intelligenz