2026 中文 Embedding 模型实战评测：bge-m3、Conan、m3e、bce、OpenAI

测试设置#

• 语料：3000 条客服 FAQ + 500 条产品文档（电商场景）
• 测试集：120 条真实用户问题（按场景标注 Top-1 ground truth）
• 检索：纯向量检索，top_k=5
• 指标：MRR@5、Recall@5、单次检索耗时、月成本（按 1M tokens 估算）

参评模型#

模型	维度	开源	备注
bge-m3	1024	✓	智源开源，中文场景事实标准
Conan-embedding-v1	1792	✓	腾讯开源，2026 年新晋
m3e-large	1024	✓	moka-ai 出品
bce-embedding-base_v1	768	✓	网易有道
text-embedding-3-large	3072	✗	OpenAI 闭源

结果#

模型	MRR@5	Recall@5	平均耗时 (ms)	月成本 (1M tokens)
bge-m3	0.87	0.94	22	本地 GPU 自费
Conan-embedding-v1	0.89	0.95	31	本地 GPU 自费
m3e-large	0.81	0.89	24	本地 GPU 自费
bce-embedding-base_v1	0.79	0.87	18	本地 GPU 自费
text-embedding-3-large	0.85	0.93	180-400	约 $0.13

推荐选择#

场景	推荐
默认中文场景	bge-m3——综合最稳
追求最高准确率	Conan-embedding-v1——略胜 bge-m3
预算极紧	bce-embedding-base_v1——快、轻量
多语言混合	bge-m3 或 text-embedding-3-large
不想自部署	OpenAI 接口最省心

关键发现#

1. bce-embedding 配合自家 Reranker 反超：单独 Embedding 排名第 4，但加上 bce-reranker-base_v1 后总分提升至 0.88，仅次于 bge-m3
2. OpenAI 的优势在「不同语言混杂」：英文掺杂在中文里时 OpenAI 仍稳定，开源模型有时降分明显
3. 维度并不是越大越好：3072 维的 OpenAI 不如 1024 维的 bge-m3

接入示例#

# Dify 知识库切换 Embedding
# Settings → Model Provider → Add → 选 Hugging Face 或 SiliconFlow
# 模型名：BAAI/bge-m3
# 接口地址：https://api.siliconflow.cn/v1