I modelli di embedding svolgono un ruolo cruciale nella comprensione e gestione dei dati semantici. Recentemente, un’importante evoluzione ha scosso la classifica dei modelli di embedding, con Google che ha conquistato la vetta grazie al suo modello Gemini, mentre Alibaba ha presentato una valida alternativa open-source che riduce il divario competitivo.
Google ha ufficialmente lanciato il suo modello Gemini Embedding, attualmente al primo posto nella classifica del Massive Text Embedding Benchmark (MTEB). Questo modello, identificato come gemini-embedding-001, è ora disponibile tramite l’API Gemini e Vertex AI, offrendo agli sviluppatori strumenti avanzati per applicazioni come la ricerca semantica e la generazione aumentata da recupero (RAG).
Una delle caratteristiche distintive di Gemini è la sua flessibilità. Addestrato utilizzando la tecnica Matryoshka Representation Learning (MRL), consente di ottenere embedding ad alta dimensione (fino a 3072) e di ridurli a dimensioni più compatte (1536 o 768) senza compromettere le informazioni rilevanti. Questa adattabilità è fondamentale per bilanciare precisione, prestazioni e costi di archiviazione, soprattutto in scenari aziendali su larga scala.
Inoltre, Gemini è progettato per essere un modello generalista, efficace in diversi domini come finanza, legale e ingegneria, senza necessitare di un fine-tuning specifico. Supporta oltre 100 lingue e ha un costo competitivo di $0,15 per milione di token, rendendolo accessibile a una vasta gamma di utenti.
Nonostante il successo di Gemini, il panorama dei modelli di embedding è altamente competitivo. Alibaba ha introdotto il modello Qwen3-Embedding, che si posiziona appena dietro Gemini nella classifica MTEB. Disponibile con licenza Apache 2.0, Qwen3-Embedding rappresenta un’opzione open-source valida per le imprese che cercano maggiore controllo e personalizzazione.
Oltre a Qwen3-Embedding, Alibaba ha presentato Qodo-Embed-1-1.5B, un modello specificamente progettato per il recupero di codice, che afferma di superare modelli più grandi in benchmark di dominio specifico. Queste alternative open-source offrono alle aziende la possibilità di implementare modelli AI avanzati senza dipendere da soluzioni proprietarie, favorendo la trasparenza e la sovranità dei dati.
La scelta tra un modello proprietario come Gemini e un’alternativa open-source come Qwen3-Embedding dipende da vari fattori strategici. Le aziende che già utilizzano l’infrastruttura Google Cloud potrebbero beneficiare dell’integrazione nativa offerta da Gemini, semplificando i flussi di lavoro e l’implementazione.
Inoltre, la crescente disponibilità di modelli specializzati, come quelli focalizzati sul recupero di codice, indica una tendenza verso soluzioni più mirate e ottimizzate per compiti specifici, piuttosto che affidarsi esclusivamente a modelli generalisti.