【2026年】RAG向けおすすめ埋め込みモデル9選（検索精度・レイテンシ・コストを実測比較）

【2026年】RAG向けおすすめ埋め込みモデル9選（検索精度・レイテンシ・コストを実測比較）

Voyage-4は2026年1月15日にリリースされ、続いてvoyage-context-4が6月29日に登場しました。もしあなたのRAGパイプラインがまだOpenAIのada-002でインデックスしているなら、測定可能なRecall@10をみすみす逃したうえに割高なコストを払い続けていることになります。2026年にRAG向けの最適な埋め込みモデルを選ぶとは、その週にMTEBリーダーボードのトップにいるモデルを無条件に採用することではありません。私たちは自社ドキュメント1万件を埋め込み、実際に検索精度が出るモデルはどれか、100万トークンあたりのコストはいくらかを検証しました。以下では、ランキング、価格、そしてベクトルストレージを3分の1に削減できた切り詰め（truncation）のテクニックを紹介します。埋め込みはRAGスタック全体のワンレイヤーに過ぎませんが、ここを間違えると下流すべてに影響します。

要点まとめ

• 検索品質が最も高いAPIモデル：Voyage-4-large。MoE、Matryoshka次元、約0.12ドル/100万トークン。
• 最もバランスの良いAPIモデル：Gemini Embedding 001。英語MTEB首位、3072次元、約0.15ドル/100万トークン。
• 最も優れたオープンソース/セルフホストモデル：Qwen3-Embedding-8B。MTEBの多言語・コード部門で首位。
• コスパ最強：OpenAI text-embedding-3-largeを3072→1024に切り詰めたもの。約0.13ドル/100万トークンで、ベクトルサイズは3分の1。

2026年、埋め込みモデルは何が変わったのか？

2026年の大きな変化は、Voyage-4ファミリー（Mixture-of-Experts方式、nano/lite/standard/large間で共有される埋め込み空間、Matryoshka切り詰め、int8/バイナリ量子化に対応）と、各チャンクを周囲のコンテキストと一緒にエンコードするvoyage-context-4の登場です。一方、Gemini Embedding 001は英語MTEBリーダーボードの首位に立ち、Qwen3-Embeddingはオープンな多言語検索をリードしています。

Voyageの2つのリリースが勢力図を塗り替えました。Voyage-4（2026年1月15日）は共有埋め込み空間を導入し、安価な大量インデックスには小型モデル、重要なクエリには大型モデルを、すべてを再インデックスすることなく併用できるようになりました。これだけで、多くのチームが恐れる再埋め込みのコストを削減できます。

続いてvoyage-context-4（2026年6月29日）はチャンキングの問題に真正面から取り組みました。段落を単独で埋め込むのではなく、チャンクとそのドキュメント内のコンテキストを合わせてエンコードします。実用上、これはチャンク境界で意味が失われないよう手作業で調整する手間がなくなることを意味します。

覚えておくべき一文はこれです。コンテキスト付きチャンク埋め込みにより、チャンキングは繊細なチューニング作業から、信頼できるデフォルト設定に近いものへと変わります。ホスティングAPI同士の直接比較が見たい方は、併せてVoyage vs OpenAI vs Cohereの詳細比較をご覧ください。

RAG向けおすすめ埋め込みモデル9選ランキング

2026年、ほとんどのチームにとって3つの選択肢でケースの90%をカバーできます。ホスティングAPIで最高品質の検索精度を求めるならVoyage-4-large、スコア重視の万能モデルならGemini Embedding 001、セルフホストするならQwen3-Embedding-8Bです。以下に全ランキングと一覧表を、RAG検索への適合度順（APIモデル→オープンソースの順）に並べて掲載します。

これらのベクトルは、次元数に合ったサイズのベクトルデータベースに保存してください。大規模運用では、3072次元のインデックスは1024次元のものよりはるかにコストがかかります。

1. Voyage-4-large

APIの中で検索品質が最も高いモデルです。Mixture-of-Experts方式で、共有埋め込み空間（nano/lite/largeを再インデックスなしで併用可能）と2048/1024/512/256のMatryoshka次元を備え、fp32/int8/バイナリ量子化でストレージコストも抑えられます。100万トークンあたり約0.12ドルとミドルティア並みの価格ながら、プレミアムモデル級の検索精度を発揮します。検索品質がボトルネックで、約0.12ドル/100万トークンを許容できるならこれを選びましょう。

2. Gemini Embedding 001

最もバランスの良いAPIモデルです。Googleのこのモデルは英語MTEBリーダーボードの首位を走り（2026年4月時点のスナップショットで総合約68.3、検索約67.7）、MRL切り詰め対応の3072次元を備え、マルチモーダル空間も共有しています。約0.15ドル/100万トークンと、今回のおすすめの中では最も高価です。最高スコアの汎用モデルが欲しく、すでにGemini/Vertexを使っているならこれを選びましょう。

3. OpenAI text-embedding-3-large

大規模運用での定番であり、導入が最も簡単なモデルです。3072次元、256までのMRL切り詰めに対応し、SDKやチュートリアルの充実度はあらゆる埋め込みモデルの中で随一です。約0.13ドル/100万トークンで安心して選べます。英語コーパス向けの低価格版としてtext-embedding-3-small（約0.02ドル/100万トークン）もあります。レガシーなada-002もまだ使えますが、リコールが低いのに同じようにコストがかかります。驚きゼロで幅広いエコシステムのサポートが欲しいならこれを選びましょう。

4. Cohere Embed v4

複合メディアとエンタープライズ向け多言語対応の最有力候補です。Embed v4はテキスト、画像、混在ドキュメントを1つのモデルで処理し、大きなコンテキストウィンドウと強力な言語間検索を約0.12ドル/100万トークンで提供します。コーパスにPDF、スクリーンショット、テキストが混在している場合や、1つのAPIで本格的な多言語対応が必要な場合に選びましょう。

5. Voyage-context-4

長文ドキュメントRAG向けの最新モデルです。2026年6月29日にリリースされ、各チャンクを周囲のコンテキスト付きで埋め込むことで、単純な分割で頻発する「チャンク境界で意味が失われる」問題を軽減します。価格はVoyage-4シリーズと同じ約0.12ドル/100万トークンです。ドキュメントが長く、チャンキングに悩まされてきたならこれを選びましょう。

6. Qwen3-Embedding-8B

オープンソース全体で最も優れたモデルであり、コード検索の最有力候補です。AlibabaのQwen3-Embeddingはオープンな多言語MTEB（約70.6）をリードし、Qwen3-EmbeddingのドキュメントによればMTEB-Code（約80.7）でも首位に立っています。32から4096までの可変次元とQ4量子化に対応しています。セルフホストする場合、コードをインデックスする場合、トークン課金なしで強力な多言語検索が必要な場合に選びましょう。

7. BGE-M3

オープンソースで最もバランスの良いモデルです。BAAIのBGE-M3は1つのモデルでdense、sparse、multi-vector検索をすべて提供し、100以上の言語に対応、Hugging Faceでも最も多くダウンロードされている埋め込みモデルの一つであり続けています。セルフホストモデル1つでdense+sparseのハイブリッド検索を実現したい場合に選びましょう。

8. NV-Embed-v2

英語精度に限定すればオープンウェイトで最強のモデルです。NVIDIAのこのモデルはHF MTEBリーダーボードで英語平均約72.3を報告しています（スナップショットにより数値が異なるため、ライブボードで確認してください）。4096次元。動作は他のモデルより重めです。英語の精度が最優先で、GPUに余裕がある場合に選びましょう。

9. nomic-embed-text

ローカル・ラップトップ向けの最有力候補です。NomicのモデルはOllamaネイティブで軽量、セルフホストコストも低く、最高水準のリコールを犠牲にすることで手頃なハードウェアでの速度を実現しています。同クラスの代替候補としてはmxbai-embed-largeやベテランのall-MiniLMがあります。APIコストゼロで完全にローカルな埋め込みが欲しく、リコールの低下を許容できる場合に選びましょう。

テストを通じて繰り返し確認できたことがあります。MTEBの1位があなたのコーパスにとって最適なモデルであることはほとんどない、ということです。次のセクションではまさにそれを測定します。

テスト方法：1万ドキュメントの埋め込みと重要指標の測定

社内の製品ドキュメントとサポートチケットのコーパスから実際のドキュメント約1万件を埋め込み、手作業でラベル付けした約120件のクエリセットに対して検索精度を評価しました。最大の発見は、OpenAIのtext-embedding-3-largeを3072次元から1024次元に切り詰めたところ、Recall@10の低下はわずか約0.03にとどまり、ベクトルストレージは約3分の1になったことです。品質の犠牲は小さく、ストレージの削減効果は大きい。

テストしたのは一部のモデルです（9モデルすべてを網羅的に検証したわけではありません）。Voyage-4-large、Gemini Embedding 001、text-embedding-3-large（フルと切り詰め版）、セルフホストのQwen3-Embedding-8B、BGE-M3、nomic-embed-textです。ラベル付きクエリセットに対するRecall@10とnDCG@10、p95埋め込みレイテンシ、APIモデルの100万トークンあたりのコストまたはセルフホストモデルのGPU秒数を測定しました。クエリ数は約120件のみなので、あくまで傾向の参考としてご覧ください。リーダーボードではありません。

特に印象に残ったポイントは2つです。第一に、セルフホストのQwen3-8Bは英語セットでトップAPIに匹敵しましたが、GPUがウォーム状態でないとp95レイテンシが約2倍になったため、GPUを常時ウォームに保つコストを見込んでおく必要があります。第二に、コストを考慮すると、リーダーボード1位のモデルは私たちのコーパスでは勝者ではありませんでした。自社データで検索品質をエンドツーエンドで評価したいなら、それが正直な選び方です。MTEBリーダーボードの数値がなぜ誤解を招くのか気になる方は、MTEBスコアがRAGでどう機能するかについての解説記事も書いています。

埋め込みモデルのコストはどれくらいか？

2026年7月時点で、ホスティング型埋め込みAPIは100万トークンあたり約0.02ドル～0.15ドルです。オープンソースモデルのウェイトは「無料」ですが、GPU時間とVRAMのコストがかかります。実用に耐える最も安価なAPIはtext-embedding-3-smallとvoyage-4-liteの約0.02ドル/100万トークン、最も安価なセルフホストの選択肢はnomic-embed-textで、トークンレベルでは実質無料です。

以下は検証済みの価格スナップショットです（2026年7月時点。2026年上半期に埋め込みモデルの価格は2回変動しているため、契約前にベンダーのページを再確認してください）。

1億トークンをインデックスする場合、0.02ドル/100万と0.15ドル/100万の差は2ドル対15ドルです。小さな差です。しかし、そのコーパスを毎月再埋め込みし、クエリ時の埋め込みも加わると、倍率は急速に大きくなります。だからこそ、検索レイヤーAPIのコストは端数ではなく、予算の正式な1項目として計上すべきです。セルフホストなら計算は逆転します。トークン課金はありませんが、GPUがアイドル状態でも稼働中でもレンタル料はかかります。

コスト vs 品質：コスパ最強の埋め込みモデルはどれか？

コスパ最適化のルールはシンプルです。自分のコーパスでRecall@10 ≥ 0.80をクリアする最も安いモデルを選ぶこと。私たちのテストでは、それがOpenAI text-embedding-3-largeを1024次元に切り詰めたものでした。Recall@10は0.83、約0.13ドル/100万トークンで、ベクトルサイズは3072次元版の3分の1です。リコールは十分高く、ストレージは十分小さい、まさにスイートスポットに位置しています。

アイキャッチの散布図を思い浮かべてください。X軸が100万トークンあたりのコスト、Y軸が検索品質です。プレミアムAPI（Voyage-4-large、Gemini 001）は右上に位置し、リコールは高いが価格も高い。低価格帯（3-small、voyage-4-lite）は左下にあり、安いが難しいクエリではリコールが低い。コスパ最良の領域は、多くのチームが見逃している中間価格帯、高リコール、小さなベクトルの象限です。

数字を出したうえでの率直な見解です。ほとんどのチームは埋め込み品質を過剰に買い、チャンキングやリランキングへの投資が不足しています。1024次元でリコール0.80をクリアしているなら、0.03のリコール向上のためにストレージコストを3倍かける価値はほとんどありません。

3行でまとめる判断基準：

• 検索品質がボトルネックで予算に余裕があるなら、Voyage-4-largeかGemini 001を選ぶ。
• コストに上限があるなら、text-embedding-3-largeを1024に切り詰めたもの、簡単なコーパスなら3-smallを選ぶ。
• セルフホストするなら、GPUがすでに稼働している前提でQwen3-Embedding-8Bがコスパ最強。

RAG向けベストなオープンソース/ローカル埋め込みモデルは？

セルフホストの総合ベストはQwen3-Embedding-8Bです（本格的なGPUが必要で、Q4量子化で約16GB以上のVRAMが目安）。ラップトップ/ローカル向けのベストはOllama上のnomic-embed-textで、手頃なハードウェアでAPIコストなしで動きます。データの所在地要件、大量処理、トークン課金の排除が必要な場合はセルフホストが有利で、GPUの面倒を見たくない場合はAPIが有利です。

ローカル埋め込みモデルの実行は2コマンドで済みます。モデルをプルして、埋め込みとクエリを行うだけです。以下にOllamaでのローカル実行とOpenAI SDKでのAPI実行を並べて示します。

# Local: pull a small, fast embedder
ollama pull nomic-embed-text

# Local (Ollama) — embed a query with no API cost
import ollama
vec = ollama.embed(model="nomic-embed-text", input="How do I reset my API key?")["embeddings"][0]

# Hosted (OpenAI SDK) — same idea, higher recall
from openai import OpenAI
client = OpenAI()
vec = client.embeddings.create(
    model="text-embedding-3-large",
    input="How do I reset my API key?",
    dimensions=1024,   # Matryoshka truncation: 3x smaller vectors
).data[0].embedding

Redditで実践者が報告している内容は私たちのテスト結果と一致しています。セルフホストユーザーは、リクエスト間でGPUがコールド状態になるとp95レイテンシがスパイクすると繰り返し指摘しています。対策はインスタンスを1つウォームに保つことですが、これは「無料」のセルフホストを静かに固定の月額GPU費用に変えてしまいます。APIからの移行前にコストを見積もる価値があります。評価ループを構築しているなら、検索周りのプロンプトを一元管理するのも有効です。詳しい手順は、Ollamaで埋め込みモデルをローカル実行するガイドをご覧ください。

次元数が高いほど検索精度は上がるのか？

いいえ、線形には上がりません。ある点を超えると、追加の次元はリコールに比例した向上をもたらさず、ストレージとレイテンシのコストだけが増えます。Matryoshka Representation Learning（MRL）を使えば、ベクトルを切り詰め（例えば3072→1024→512）、リコールの大部分を維持したまま各ベクトルを3～6倍小さくできます。これはベクトルデータベースの費用を直接削減することを意味します。

私たちの数値がそれを具体的に示しています。text-embedding-3-largeを3072次元から1024次元に落とすとRecall@10は約0.03下がりましたが、ストレージは約3分の1になりました。512まで下げると、特にあいまいなクエリでリコールの低下が急になります。ほとんどの英語コーパスにとってのスイートスポットは1024付近です。

一言で言えば、次元数とはすべてのベクトルに課されるストレージとレイテンシの税金です。リコールの基準をクリアする最小サイズまで切り詰めましょう。1000万ベクトル以上になると、その判断がどのベクトルストアを選べるかを左右します。次元を確定させる前に、自分の次元数に対応できるベクトルDBとストレージコストを確認してください。

RAG向け埋め込みモデルの選び方は？

RAG向けの埋め込みモデル選びは、結局のところ4つのチェックに集約されます。順番に、公開リーダーボードではなく自分のデータに対して実行すれば、候補はすぐに絞り込まれます。

1. 自分のコーパスでRecall@10 ≥ 0.80。 手作業でラベル付けしたクエリセットで一部をテストする。リーダーボードの順位はヒントであって答えではない。
2. コストが100万トークンあたりの上限以内。 初期インデックスだけでなく、再埋め込みとクエリ時の埋め込みも考慮する。
3. コンテキストウィンドウ ≥ チャンクサイズ。 チャンクが1,000トークンあるのに512トークンのモデルを使うと、切り捨てられて意味が失われる。
4. 活発なメンテナンスと、必要なら多言語対応。 2026年に更新されたモデルは2024年の古いチェックポイントに勝る。対象言語を直接テストする。

2～3モデルをこの4項目で評価すれば、勝者は自ずと決まります。そこから先は、これを完全なRAGパイプラインに組み込む作業です。チャンキング、埋め込み、保存、検索、リランキング。

著者について

Mert Batur GurbuzはTechsy.ioの共同創業者です。同社ではB2Bクライアント向けにAIエージェント、自動化システム、音声/SDRパイプラインを提供しています。バーミンガム大学で学ぶ傍ら、Techsyチームが実際に本番環境で使用しているLLMツールスタックについて執筆しています。LinkedInでつながりましょう。

ツールを選ぶのは簡単な半分です。実際のプロダクトの中で安定して動作させる段階で、ほとんどのチームはつまずきます。まさにそれこそが、私たちのAIインテグレーションチームがクライアント向けに構築しているもので、RAGパイプラインからカスタムエージェントまで対応しています。

よくある質問

RAG向けの最適な埋め込みモデルを選ぶのにMTEBスコアだけで十分か？

いいえ、十分ではありません。MTEBは主に公開データセットでの単一ドメインのテキスト検索であるため、あなたのコーパス、チャンクサイズ、言語の構成、コストの上限は反映されません。私たちの1万ドキュメントのベンチマークでも、価格を考慮するとリーダーボード1位は私たちのコーパスではベストではありませんでした。必ず小規模でもドメイン固有の評価を実施してください。

2026年のRAG向けベスト埋め込みモデルは？

純粋な検索品質ならVoyage-4-large、最もバランスの良いAPIならGemini Embedding 001、セルフホストならQwen3-Embedding-8Bです。「ベスト」はコストの上限と言語要件によって変わるため、2つに絞り込んでから自社データでテストして決めることをおすすめします。

RAG向けベストなオープンソース埋め込みモデルは？

Qwen3-Embedding-8Bがオープンソースの総合首位（MTEB多言語・コードで最高スコア）、BGE-M3が多才なハイブリッド万能モデル、nomic-embed-textがOllama経由のラップトップ向けモデルです。ウェイトは無料ですが、実行にはGPUとVRAMのコストがかかります。

オープンソース vs API埋め込み、RAGにはどちらが良いか？

APIは運用ゼロと最新の品質で有利、セルフホストはデータの所在地要件、大量処理、トークン課金なしで有利です。損益分岐点は通常、品質そのものではなく処理量とコンプライアンスで決まります。月あたり数億トークン以下であれば、実用上APIの方がほぼ安くなります。

Ollamaで実行できるベストなローカル埋め込みモデルは？

定番はnomic-embed-textです（ollama pull nomic-embed-text）。軽量で、手頃なハードウェアでも高速、トークンレベルでは無料です。GPUのVRAMに余裕があるなら、小型のQwen3-Embeddingバリアントの方が検索精度は上です。どちらもAPIコストなし、データをマシンから出さずにローカルでインデックスできます。

埋め込みの次元数が高いほど検索精度は上がるのか？

線形には上がりません。ある点を超えると、追加の次元はリコールに比例した向上をもたらさず、ストレージとレイテンシのコストだけが増えます。Matryoshkaモデルなら切り詰め（例えば3072→1024）が可能で、リコールの大部分を維持したまま各ベクトルを約3倍小さくでき、ベクトルデータベースのコストを直接削減できます。

RAGに実用的な最も安い埋め込みモデルは？

text-embedding-3-small（約0.02ドル/100万）またはvoyage-4-lite（約0.02ドル/100万）は、ほとんどの英語コーパスで十分なRecall@10をクリアします。GPUを実行できるなら、nomic-embed-textはトークンレベルで実質無料です。まず自分のデータでテストしてください。安価なモデルはあいまいなクエリで精度が落ちます。

RAG向けベストな多言語埋め込みモデルは？

オープンな多言語検索ではQwen3-Embedding-8BとBGE-M3がリードし、ホスティング型ではCohere Embed v4とGemini Embedding 001が有力な選択肢です。MTEB多言語の順位が高くても、特定の言語ペアで最高の性能が出るとは限らないため、必ず対象言語でテストしてください。

良い埋め込みモデルがあればリランカーはまだ必要か？

最高精度のRAGを目指すなら、多くの場合必要です。強力な埋め込みモデルは候補をトップ50に押し上げ、リランカーがトップkを並べ替えて最終的な精度を高めます。安価な埋め込みモデル+リランカーの組み合わせが、高価な埋め込みモデル単体よりも良い結果を出し、トータルコストも抑えられることがよくあります。

結論

APIの総合検索精度ベストはVoyage-4-large、最高スコアの万能モデルはGemini Embedding 001、オープンソースとコード検索の首位はQwen3-Embedding-8B、ローカル・ラップトップ向けはnomic-embed-textです。しかし、ほとんどのチームにとってのコスパの勝者は、1024次元に切り詰めたtext-embedding-3-largeです。Recall@10は0.83、約0.13ドル/100万トークン、ベクトルサイズは3分の1。1万ドキュメントから得た本当の教訓は、MTEBの1位があなたのコーパスにとって最適なモデルであることはほとんどない、ということです。必ず自分のデータでテストしてください。本番RAGを構築中で、第三者の意見が欲しい方は無料相談をご利用ください。