MTEB(Massive Text Embedding Benchmark,大规模文本嵌入基准)是衡量 embedding 模型在检索、聚类、分类、重排等任务上综合能力的权威评测体系,后来扩展出多模态版本和 RTEB 等分支,被业界普遍视为选型 embedding 模型时的第一参考榜单。随着 RAG 与向量数据库的普及,MTEB 及其衍生榜单的排名变化,往往直接影响开发者的模型选择。
MTEB 相关的模型与榜单动态
当前焦点与观察点
围绕 MTEB 的讨论正从“看榜单选模型”转向更细致的评估方法论。Milvus 在 2026 年 Embedding 模型选择指南 中提出,应从榜单分数走向结合数据形态的务实选型;Cohere 则指出传统 nDCG 指标只能奖励已收录在基准答案集中的结果,并推出 RCP-nDCG@10 对每个候选结果打分,试图修正检索评测中“答案集即天花板”的偏差。
综合来看,MTEB 仍是嵌入模型生态的中枢,但其局限——数据污染、语言与任务覆盖不均、多模态扩展的口径不一——正催生 RTEB、RCP-nDCG 等补充性基准与指标。对开发者而言,榜单排名适合作为初筛,真正的选型仍需回到自身数据分布与任务场景中做小规模实测。