2025年最高の 1363 個のテキスト埋め込みツール

Jina Embeddings V3 は100以上の言語をサポートする多言語文埋め込みモデルで、文の類似度と特徴抽出タスクに特化しています。

MS Marcoパッセージランキングタスクで訓練されたクロスエンコーダモデル、情報検索におけるクエリ-パッセージ関連性スコアリング用

蒸留技術に基づくスパース検索モデルで、OpenSearch向けに最適化されており、推論不要のドキュメントエンコーディングをサポートし、検索関連性と効率性においてV1版を上回ります

PubMedBERTに基づく生物医学エンティティ表現モデルで、自己アライメント事前学習により意味関係の捕捉を最適化します。

GTE-Largeは強力なセンテンストランスフォーマーモデルで、文の類似度とテキスト埋め込みタスクに特化しており、複数のベンチマークテストで優れた性能を発揮します。

GTE-base-en-v1.5 は英語の文章変換モデルで、文章類似度タスクに特化しており、複数のテキスト埋め込みベンチマークで優れた性能を発揮します。

GTE Multilingual Base は50以上の言語をサポートする多言語文埋め込みモデルで、文類似度計算などのタスクに適しています。

polyBERTは、完全に機械駆動の超高速ポリマー情報学を実現するための化学言語モデルです。PSMILES文字列を600次元の密なフィンガープリントにマッピングし、ポリマー化学構造を数値形式で表現します。

トルコ語BERTベースの文埋め込みモデルで、意味的類似性タスクに最適化

BAAI/bge-small-en-v1.5モデルを微調整したテキスト埋め込みモデルで、MEDIデータセットとMTEB分類タスクデータセットで訓練され、検索タスクのクエリエンコーディング能力を最適化しました。

GTE-Largeは高性能な英語テキスト埋め込みモデルで、複数のテキスト類似性や分類タスクで優れた性能を発揮します。

Snowflake Arctic Embed M は文類似度タスクに特化した文変換モデルで、効率的にテキスト特徴を抽出し文間の類似度を計算できます。

段落検索用SPLADEモデル、知識蒸留によりスパースニューラル情報検索効果を向上

CoSENT（コサイン文）モデルに基づく中国語テキスト埋め込みモデルで、文を768次元の密なベクトル空間にマッピングでき、文埋め込み、テキストマッチング、意味検索などのタスクに適しています。

BERTベースの小型ロシア語エンコーダーで、高品質な文埋め込みベクトルを生成可能

MS Marco段落ランキングタスクで訓練されたクロスエンコーダモデルで、情報検索におけるクエリ-段落関連性スコアリングに使用されます。

Ruriは日本語に特化した汎用テキスト埋め込みモデルで、文の類似度計算と特徴抽出タスクに焦点を当てています。

これはsentence-transformersベースの韓国語文埋め込みモデルで、文や段落を768次元の密なベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに適しています。

GTE-smallはアリババDAMOアカデミーによって訓練された汎用テキスト埋め込みモデルで、BERTフレームワークに基づいており、情報検索や意味的テキスト類似度などのタスクに適しています。

MS Marco段落ランキングタスクで訓練されたクロスエンコーダモデルで、情報検索における関連性ランキングに使用されます。

これはsentence-transformers/all-MiniLM-L6-v2のONNX移植バージョンで、アテンション重みを返すように調整され、BM42検索シナリオ用に設計されています。

GTE-smallは、文の類似度計算、テキスト分類、検索など、さまざまな自然言語処理タスクに適した小型の汎用テキスト埋め込みモデルです。

これはBERTアーキテクチャに基づく大規模ロシア語モデルで、文埋め込み生成に特化しており、大文字小文字を区別しない処理をサポートしています。

LaBSEモデルをベースに簡略化された英語とロシア語専用のバージョンで、元の埋め込み品質を維持しながらモデルサイズを大幅に縮小しています。

これはsentence - transformersに基づくスペイン語文章類似度計算モデルで、文章や段落を768次元のベクトル空間にマッピングすることができます。

これはスペイン語ベースのsentence-transformersモデルで、質問応答シナリオ向けに設計されており、文や段落を768次元のベクトル空間にマッピングでき、意味検索やクラスタリングタスクに適しています。

ロシア語汎用文エンコーダー、sentence-transformersフレームワークベース、ロシア語テキストから1024次元密ベクトルを抽出するために特別設計

BAAI/bge-small-en-v1.5モデルの量子化ONNXバージョン、テキスト分類と類似性検索に使用されます。

GTE-Baseは汎用的なテキスト埋め込みモデルで、文の類似度とテキスト検索タスクに特化しており、複数のベンチマークテストで良好なパフォーマンスを示しています。

これはBAAI/bge-m3モデルのONNX量子化バージョンで、密検索、多ベクトル検索、疎検索の3機能をサポートし、100以上の言語に対応しています。

RoBERTa-largeベースの教師ありSimCSEモデルで、文埋め込みと特徴抽出タスクに使用されます。

GIST-Embedding-v0 は sentence-transformers ベースの文埋め込みモデルで、主に文の類似度計算と特徴抽出タスクに使用されます。

bge_micro は文類似度計算に特化した軽量モデルで、様々な自然言語処理タスクに適しています。

MS Marco段落ランキングタスクで訓練された軽量クロスエンコーダーで、情報検索におけるクエリ-段落関連性スコアリングに使用

PubMedBERTに基づく生物医学エンティティ表現モデルで、自己アライメント事前学習により意味関係の捕捉を最適化します。

Nomic Embed v2は高性能な多言語エキスパート混合(MoE)テキスト埋め込みモデルで、約100言語をサポートし、多言語検索タスクで優れた性能を発揮します。

Qwen2-1.5Bを基に構築された汎用テキスト埋め込みモデルで、多言語と長文処理をサポート

GTEシリーズ初の多言語リランキングモデルで、70以上の言語をサポートし、高性能かつ長文処理能力を備えています。

modernbert-ja-310m をベースとした日英双语句子特徴抽出モデルで、文の類似度計算とテキスト分類タスクをサポート

MMLW（私はより良いニュースを得なければならない）はポーランド語のニューラルテキストエンコーダーで、情報検索タスク向けに最適化されています。

MS Marcoパッセージランキングタスクで訓練されたクロスエンコーダーモ型で、情報検索におけるクエリとパッセージの関連性スコアリングに使用されます

Snowflake Arctic Embed v2.0 は100以上の言語をサポートする多言語文埋め込みモデルで、テキスト特徴抽出と文類似度計算が可能です。