O que é um modelo de embeddings e qual roda localmente?
Os modelos pequenos por trás da busca e do RAG, como recebem nota e quão pouca memória pedem.
Resposta curta
Um modelo pequeno que transforma texto em números, para um programa achar trechos de sentido parecido. Quase qualquer computador roda um.
- Para que serve: Busca e RAG: responder perguntas a partir dos seus próprios documentos.
- Memória: O Qwen3-Embedding 0.6B pede cerca de 3 GB pela estimativa de 8 bits do site.
- Como escolher: Prefira um modelo multilíngue se seus textos não forem em inglês.
Estimativa: pesos de 8 bits, 20% de margem, 2 GB de reserva. Fórmulas
O que faz
Um modelo de chat escreve texto. Um modelo de embeddings não escreve nada: ele lê uma frase ou um documento e devolve um vetor de tamanho fixo, uma lista de números. Textos de sentido parecido recebem vetores que apontam para o mesmo lado, então um programa compara uma pergunta com milhares de trechos guardados e devolve os mais próximos. É assim que funciona a busca semântica, e é a metade de recuperação do RAG, em que os trechos encontrados vão para um modelo de chat responder a partir deles.
Como o modelo só lê, ele pode ser pequeno. A maioria dos embeddings curados neste site tem menos de um bilhão de parâmetros; mesmo o maior, Qwen3-Embedding 8B, pede cerca de 12 GB pela estimativa do site. O tamanho do vetor (dimensões) define quanto espaço cada trecho ocupa no seu índice.
Notas e tamanhos
MTEB (Multilingual, v2), média das tarefas, só execuções independentes (notas informadas pelo publicador ficam de fora para manter a mesma escala). Memória é a estimativa de planejamento de 8 bits.
| Modelo · parâmetros · dimensões · contexto | Nota MTEB (0 a 100) | Memória (GB) |
|---|---|---|
| Qwen3-Embedding 8B Alibaba (Qwen) · 7,57B · 4.096d · 32.768 tokens | 70,58 | 12 |
| Qwen3-Embedding 4B Alibaba (Qwen) · 4,02B · 2.560d · 32.768 tokens | 69,45 | 7 |
| Harrier OSS v1 (0.6B) Microsoft · 0,6B · 1.024d · 32.768 tokens | 69,01 | 3 |
| Qwen3-Embedding 0.6B Alibaba (Qwen) · 0,6B · 1.024d · 32.768 tokens | 64,34 | 3 |
| Multilingual E5 Large Instruct intfloat · 0,56B · 1.024d · 512 tokens | 63,22 | 3 |
| EmbeddingGemma (300M) Google · 0,3B · 768d · 2.048 tokens | 61,14 | 3 |
| BGE-M3 BAAI · 0,57B · 1.024d · 8.192 tokens | 59,56 | 3 |
| Nomic Embed Text v2 (MoE) Nomic AI · 0,48B · 768d · 512 tokens | 57,64 | 3 |
| Multilingual E5 Base intfloat · 0,28B · 768d · 512 tokens | 57,03 | 3 |
| Snowflake Arctic Embed L v2.0 Snowflake · 0,57B · 1.024d · 8.192 tokens | 57,03 | 3 |
Notas: (Conjunto de resultados do MTEB, lido em 25 de out. de 2026)
Como escolher
- Seu idioma
- Prefira um modelo multilíngueModelos só em inglês têm nota bem menor no benchmark multilíngue; confira os idiomas e a evidência de PT-BR em cada página.
- Documentos longos
- Olhe o contextoUm contexto curto obriga a dividir documentos em mais trechos, menores.
- Tamanho do índice
- Menos dimensões ocupam menosAlguns modelos encurtam os vetores (Matryoshka); a página diz quando o publicador permite.
- Sempre o mesmo modelo
- Indexe e consulte com um só modeloVetores de dois modelos diferentes não se comparam; trocar de modelo exige reindexar.
Lado a lado: BGE-M3 vs Qwen3-Embedding 0.6B para busca local · EmbeddingGemma vs multilingual-e5-large para embeddings