Modellvergleich
Vergleichen Sie EmbeddingGemma 2 und Cohere Embed 4 mit derselben vom Anbieter bereitgestellten einbettungen und vektorsuche-Rubrik. Kein Mystery-Score und kein erfundenes Benchmark-Ranking.
Geben Sie Ihre Nutzung ein. Die Schätzung wird sofort aktualisiert.
Annahme: 600 Tokens pro separat verarbeiteter Seite. Tatsächliche Mengen variieren. Nur Embeddings, ohne Speicherung, Suche oder Antworten.
Schätzungen ohne Steuern, Tools, Cache-Speicherung/-Schreiben, Freikontingente und individuelle Rabatte. Bei Bildern zählt nur die Ausgabe, nicht Prompt oder Referenzbilder. Qualitätsmodi unterscheiden sich. Nicht aufgeführte Einstellungen gelten nicht als kostenlos.
| Modell | Zugang | Geschätzte Summe (USD) |
|---|---|---|
| Cohere Embed 4Cohere | Cohere | Kein geprüfter Preis |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | Kein geprüfter Preis |
Ergebnisse gelten für einen bestimmten Test, eine Sprache und Konfiguration, nicht für allgemeine Intelligenz. Fehlende Ergebnisse bedeuten keine schlechtere Qualität.
Von der Community eingereicht
Suchrelevanz (0–1; höher ist besser)
MTEB · 1.38.43 · eng-Latn · test/default
dimensions: 1536 · similarity: cosine · modelMetadata: https://github.com/embeddings-benchmark/results/blob/main/results/Cohere__Cohere-embed-v4.0/1/model_meta.json
Geprüft: 5. September 2026
MTEB contributors · FinanceBenchRetrieval0,8833 nDCG@10
Schnelle Aufnahme
Google DeepMinds Embedding-Modell mit offenen Gewichten für die lokale Suche in Text, Code, Bildern, Audio und Video.
Offene Gewichte machen Rechenleistung nicht kostenlos. Erstellen und prüfen Sie den Index bei einem Modellwechsel neu, verwenden Sie die dokumentierte numerische Genauigkeit und testen Sie gekürzte Vektoren mit eigenen Daten.
Das Enterprise-Einbettungsmodell von Cohere für mehrsprachigen Text, Bilder und visuell ansprechende Dokumente mit einem 128-KByte-Kontextfenster.
Cohere veröffentlicht auf der Seite mit den überprüften Preisen keinen einzigen gehosteten Token-Preis für Embed 4. Fragen Sie nach dem genauen SaaS- oder privaten Bereitstellungspreis, bevor Sie die Gesamtkosten vergleichen.
Vergleichen Sie die veröffentlichten Fakten
Die Werte verwenden die von jedem Anbieter veröffentlichten Einheiten und Grenzwerte. Ein Leerzeichen bedeutet, dass der Anbieter in den überprüften Quellen keinen direkt vergleichbaren Wert veröffentlicht hat.
| Einbettungen und Vektorsuche | EmbeddingGemma 2 | Cohere Embed 4 |
|---|---|---|
| EinbettungspreisAktueller Anbieterpreis pro Million Eingabetoken oder die nächstgelegene veröffentlichte Abrechnungseinheit. | Offene Gewichte; Selbsthosting | Der Preis für die gehostete Einheit wurde nicht veröffentlicht |
| EingabekapazitätMaximaler Inhalt, der in einer Einbettungseingabe akzeptiert wird, unter Verwendung der dokumentierten Token-Basis des Anbieters. | 8,192 gemeinsame Tokens für Text und Medien | 128.000 Token |
| VektorabmessungenUnterstützte Ausgabegrößen; Kleinere Vektoren reduzieren den Speicherplatz, während größere Vektoren möglicherweise mehr Informationen bewahren. | Standardmäßig 768; 512, 256 oder 128 mit erneuter Normalisierung | 256, 512, 1.024 oder 1.536 |
| Akzeptierte EingabenText-, Code-, Bild-, Audio-, Video-, PDF- oder dokumentenbezogene Eingaben, die vom Endpunkt unterstützt werden. | Text, Code, Bilder, Audio und abgetastete Videoframes | Text, Bilder und PDFs mit gemischten Inhalten |
| AbrufkontrollenAbfrage-/Dokumentmodi, Aufgabentypen, Kürzung, Chunking oder andere Steuerelemente, die Vektoren für den Abruf formen. | Aufgabenspezifische Prompts, selektive Encoder, Vektorkürzung und Normalisierung | Eingabetypen für Suchanfrage/Dokument, Klassifizierung und Clustering |
| Wo es läuftDirekte API, Cloud-Marktplatz, private Bereitstellung oder selbst gehostete Route, dokumentiert vom Anbieter. | Lokal oder selbst gehostet; Gewichte unter Apache 2.0 | Cohere API, Model Vault, Microsoft Foundry, SageMaker |
So wählen Sie aus
Beginnen Sie mit dem Auftrag, den Sie erledigen müssen, und validieren Sie dann die Kosten-, Zugangs- und Richtliniendetails für Ihre genaue Anbieterroute.
Die Inferenz kann lokal laufen, ohne Quellinhalte an eine Embedding-API zu senden. Datenspeicherung und Netzwerkzugriff hängen von der Anwendung und den verbundenen Diensten ab.
Cohere-Unternehmenskunden können sich von der Schulung abmelden; SaaS-Eingabeaufforderungen und -Generierungen werden grundsätzlich nach 30 Tagen gelöscht. Genehmigte Konten ohne Datenaufbewahrung und private Bereitstellungen bieten stärkere Kontrollen.
Häufig gestellte Fragen
EmbeddingGemma 2: Google DeepMinds Embedding-Modell mit offenen Gewichten für die lokale Suche in Text, Code, Bildern, Audio und Video. Cohere Embed 4: Das Enterprise-Einbettungsmodell von Cohere für mehrsprachigen Text, Bilder und visuell ansprechende Dokumente mit einem 128-KByte-Kontextfenster.
Ziehen Sie EmbeddingGemma 2 in Betracht, wenn Ihre Priorität Lokale und offline verfügbare multimodale Suche ist. Ziehen Sie Cohere Embed 4 in Betracht, wenn Ihre Priorität Unternehmenssuche über visuell ansprechende Dokumente ist. Testen Sie beides mit Ihren eigenen Daten und der Route Ihres Anbieters, bevor Sie sich verpflichten.
Nein. Dieser Vergleich gleicht die vom Anbieter veröffentlichten Fakten für die Kategorie Einbettungen und Vektorsuche an. Es wird kein allgemeiner Gewinner beansprucht und es werden auch keine inkompatiblen Benchmark-Ergebnisse Dritter kombiniert.
