Welk embedding-model gebruik ik voor mijn RAG, OpenAI, BGE of Cohere?

Embeddings zetten tekst om in vectoren waarmee je zoekt. Het verschil zit in taal-kwaliteit (vooral Nederlands), kosten per miljoen tokens, en vendor-lock-in. Voor MKB met Nederlandse content is een meertalig model bijna altijd beter dan een eng-only model.

Probeer dit eerst zelf

1. 1OpenAI text-embedding-3-small of -large: simpel, betrouwbaar, redelijk meertalig. Goedkoop in tokens. Vendor-koppeling met OpenAI, en je moet je documenten naar hun API sturen.
2. 2Cohere Embed v3 (multilingual): sterk meertalig, met expliciete zoek- en document-modi. Goedkoop. EU-data-locatie via AWS Frankfurt mogelijk via Bedrock.
3. 3BGE M3 of multilingual-e5: open-source, zelf-hostbaar op een GPU of zelfs CPU. Geen tokens om te betalen, wel hosting. Kies dit voor on-prem of strikte data-locatie.
4. 4Test met je eigen content: pak twintig echte vragen, embed je documenten met elk model, check welke top-3 resultaten het meest kloppen voor jouw domein. Domein-fit is groter dan benchmark-score.
5. 5Pin het model en de versie in code. Een upgrade vereist re-embedding van alles. Plan dat als een migratie, niet als een tweak.

Past het bovenstaande niet?

Beschrijf je situatie hieronder. We sturen jouw input plus de stappen die je al zag naar onze AI en geven gericht vervolg-advies. Als het te risicovol is om zelf te doen, zeggen we dat ook.