LLM Embeddings 与 Reranking API 跨供应商对比：OpenAI、DashScope、Cohere、Voyage AI、Jina 全面解析

Embedding 和 Reranking API 是每条 RAG 管线的基础，但各家供应商的封装方式各不相同——模型 ID 不同、维度控制不同、计费单位不同、SDK 模式也不同。我们整理了这份跨供应商参考指南，方便你一目了然地对比选型。

OpenAI 兼容指供应商提供一个 chat-completions 接口，其请求与响应结构与 OpenAI API 契约足够接近——只需替换三个值（API key、base URL、模型名），原来的 OpenAI SDK 调用即可直接工作。最小实践面是POST /v1/chat/completions 带 messages、model， 并返回 OpenAI 形式的流式响应。

TL;DR — 供应商对比表

价格于 2026 年 8 月从各家官方定价页面获取，部署前请核实最新费率。

OpenAI Embeddings

OpenAI 通过 /v1/embeddings 端点提供两款当前 embedding 模型：

text-embedding-3-small — 默认 1536 维，支持 MRL 降维至 256。定价 $0.02/百万 token（Batch 调用可享 50% 折扣）。适合以英文为主、对成本敏感的检索场景。

text-embedding-3-large — 默认 3072 维，同样支持 MRL 降维至 256。定价 $0.13/百万 token。在 MTEB 基准上质量更高，尤其擅长多语言和复杂语义任务。

两款模型每次请求最多接受 8191 个 input token，返回归一化 float 向量。

from openai import OpenAI

client = OpenAI()

response = client.embeddings.create(
    model="text-embedding-3-large",
    input="RAG 管线应该用哪个 embedding 模型？",
    dimensions=1024  # MRL：从 3072 降到 1024
)

vector = response.data[0].embedding
print(f"维度: {len(vector)}")  # 1024

无原生 reranker。 OpenAI 不提供 reranking 端点。使用 OpenAI embedding 的 RAG 管线通常搭配 Cohere Rerank 或开源 reranker（如 BGE-reranker-v2-m3）。

关于 OpenAI API 更多模式，参见 OpenAI API 速率限制与多供应商 fallback 指南。

来源：OpenAI Embeddings 文档（2026-08-07 检索）、OpenAI 定价（2026-08-07 检索）。

DashScope（阿里云百炼）Embeddings 与 Reranking

DashScope 既提供托管 embedding 模型（text-embedding-v3），又提供开源的 Qwen3-Embedding 系列，还有专用的 reranking 模型族。

Embedding 模型

text-embedding-v3 — 默认 1024 维，可通过 dimensions 参数自定义。定价 ¥0.7/百万 token（国际站约 $0.10）。支持 OpenAI 兼容的 /v1/embeddings 端点——将 base_url 切换到 https://dashscope-intl.aliyuncs.com/compatible-mode/v1 即可使用 OpenAI Python SDK。

Qwen3-Embedding 系列（2025 年 6 月发布）：

Qwen3-Embedding-8B 在 MTEB Multilingual 上得分 70.58，超越 Google Gemini-Embedding。三种规格均支持 instruction-aware embedding，覆盖 100+ 语言（包括编程语言）。

Reranking 模型

DashScope 已于 2026 年 5 月 30 日下线 gte-rerank，替代方案为 Qwen3-Reranker 系列：

from openai import OpenAI

client = OpenAI(
    api_key="your-dashscope-key",
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
)

# Embedding 请求——同样的 OpenAI SDK
response = client.embeddings.create(
    model="text-embedding-v3",
    input="RAG 管线 embedding 对比",
    dimensions=1024
)

完整的 DashScope 集成指南参见 阿里云百炼 API 指南 和 DashScope Qwen3.7 系列完整指南。

来源：阿里云博客：Mastering Embedding with Qwen3（2026-08-07 检索）、Qwen3-Embedding 技术报告（2026-08-07 检索）、DashScope 定价（2026-08-07 检索）。

Cohere Embed 与 Rerank

Cohere 专注检索场景：Embed 4 和 Rerank 模型专为搜索与 RAG 设计，而非通用文本生成。

Embed 4 — 生成面向搜索和分类优化的 embedding。支持 search_document、search_query、classification、clustering 输入类型。定价约 $4.00–$5.00/百万次搜索（注意 Cohere 按 API 调用量计费，非按 token）。上下文长度 4096 token。可在 AWS Bedrock 和 Google Cloud 上使用。

Rerank 3.5 — 接收 query + 文档列表，返回相关性评分。定价 $5.00/百万次搜索。支持 4096 token 文档。如果需要开箱即用的 reranker 且不想自托管，这是首选。

Rerank 4 Fast / Rerank 4 Pro — 更新的 reranking 模型，同样 $5.00/1M 价位，精度进一步提升。

Cohere 使用自有 SDK（非 OpenAI 兼容），但 LiteLLM 和 Portkey 等 gateway 可统一接口。

import cohere

co = cohere.ClientV2(api_key="your-cohere-key")

# Reranking：精排 top-k 结果
results = co.rerank(
    model="rerank-v3.5",
    query="RAG 最佳 embedding 模型",
    documents=[
        "OpenAI text-embedding-3-large 提供 3072 维……",
        "Cohere Embed 4 针对搜索和分类优化……",
        "BGE-M3 是一款开源多语言 embedding 模型……"
    ],
    top_n=2
)

for r in results.results:
    print(f"Index: {r.index}, Score: {r.relevance_score:.4f}")

来源：Cohere 定价（2026-08-07 检索）、Cohere Rerank 文档（2026-08-07 检索）。

Voyage AI（MongoDB）Embeddings 与 Reranking

Voyage AI 现已并入 MongoDB，提供面向特定领域的 embedding 和 reranking 模型，在 MTEB 上表现出色。

Embedding 模型（voyage-4 系列，2026 年 1 月）

voyage-4 系列所有 embedding 互相兼容——voyage-4-large 和 voyage-4-lite 生成的向量可以直接比较，支持索引用高质量模型、查询用低成本模型的混合策略。

领域专用模型：voyage-code-3（代码检索）、voyage-finance-2、voyage-law-2 — 针对专业语料调优。

Reranking 模型

Voyage 使用自有 API 端点（原生不兼容 OpenAI）。LiteLLM 提供 Voyage provider 集成。

来源：Voyage AI 模型概览（MongoDB 文档）（2026-08-07 检索）、LiteLLM Voyage 文档（2026-08-07 检索）。

Jina Embeddings 与 Reranking

Jina AI 提供多模态和多语言 embedding 模型，以及 reranker。

jina-embeddings-v4 — 多模态 embedding 模型，支持文本和图像。每个图像 tile 消耗 10 token。支持多种任务特化的 LoRA adapter（检索、分类、文本匹配）。最大支持 8192 token。

jina-embeddings-v5 — 最新一代，多语言性能进一步提升。

jina-reranker-v2 — 交叉编码器 reranker，用于精排检索结果。

Jina 使用自有 API 端点 https://api.jina.ai/v1/embeddings，请求 schema 与 OpenAI /v1/embeddings 类似，集成较为简单。

来源：Jina Embeddings API（2026-08-07 检索）、Jina AI on Hugging Face（2026-08-07 检索）。

SiliconFlow 托管 Embedding 模型

SiliconFlow 托管了多款开源 embedding 模型，包括 BAAI/bge-m3 和 BAAI/bge-large-zh-v1.5，价格有竞争力，部分小模型有免费额度。

如果团队已通过 SiliconFlow 路由 chat completion 请求，使用其托管 embedding 可以避免管理额外的供应商集成。

详情参见 SiliconFlow API 完整指南 和 SiliconFlow 免费模型路由指南。

选型决策矩阵：不同场景的 Embedding + Reranking 推荐组合

维度降低的权衡

所有现代 embedding 供应商现在都支持 Matryoshka Representation Learning (MRL) — 可以将 embedding 向量截断到更少的维度，同时保留大部分语义信息：

• OpenAI: text-embedding-3-large 在 256 维时仍保留 ~96% 的完整 3072 维质量（MTEB 基准）
• DashScope: Qwen3-Embedding-4B 支持 256–2560 自定义维度
• Voyage: voyage-4 系列支持 256、512、1024、2048

适合降维的场景：

• 向量数据库存储成本是主要瓶颈（如在 Pinecone/Qdrant 中存储百万级文档）
• 查询延迟比边际质量提升更重要
• 需要不同模型层级间的向量互兼容（voyage-4 系列）

不建议降维的场景：

• 法律、医疗或金融领域，检索精度至关重要
• 语料规模较小，存储不是问题

跨供应商路由 Embedding 请求

通过 TheRouter 等 gateway 路由 embedding 请求时，需注意以下差异：

1. 端点兼容性: OpenAI 和 DashScope 都使用 /v1/embeddings，schema 相同。Cohere、Voyage 和 Jina 需要 SDK adapter 或 gateway 归一化。

2. 维度参数: dimensions 参数在 OpenAI 和 DashScope 上工作方式相同，但 Cohere 是固定维度、Voyage 在请求时设置。

3. Token 计数: 不同 tokenizer 意味着同一段文本在不同供应商上产生不同的 token 数。一篇 500 词的文档在 OpenAI tiktoken 下可能是 700 token，在 DashScope tokenizer 下可能是 650 token。

4. 向量兼容性: 不同供应商的 embedding 不可互换。不能用 OpenAI embedding 建索引然后用 DashScope embedding 查询——向量空间不同。

5. Fallback 考量: 不同于 chat completion 的 fallback 相对直接，embedding 的 fallback 需要用 fallback 供应商的模型重新索引整个语料库。请慎重选择主 embedding 供应商。

更多多供应商路由模式参见 LLM API 成本优化路由策略指南 和 统一 LLM API 供应商 gateway 对比。

常见问题

查询和文档应该用同一个模型做 embedding 吗？

是的。只有同一模型产生的 embedding 向量才能比较。部分供应商（如 Cohere）使用 input_type 参数来区分查询和文档的 embedding 方式，但模型本身必须一致。

分块策略如何影响 embedding 质量？

较短的分块（256–512 token）更适合上下文窗口小的 embedding 模型。对于 32K 上下文的模型（Qwen3-Embedding、Voyage 4），可以 embed 更大的分块甚至整篇文档，但长文段的检索精度可能下降。建议基于实际语料做实验。

可以在同一个向量数据库中混用不同供应商的 embedding 吗？

不行。每个供应商的 embedding 模型生成的向量处于不同的语义空间。同一 collection/index 中的所有向量必须来自同一模型。如果要切换供应商，需要重新 embed 整个语料库。

Embedding 和 Reranking 的延迟差异有多大？

Embedding 通常很快（短文本每次请求 5–20ms）。Reranking 较慢，因为需要将 query 与每个候选文档做交叉编码——rerank 25 个文档大约需要 50–200ms，取决于文档长度和模型大小。

---

定价和模型可用性于 2026 年 8 月核实。各供应商定价变动频繁——生产部署前请查阅官方文档。