在RAG中选择Embedding Model时，主要考虑的是以下7大因素：

1.模型能否精准地捕捉文本语义，准确性直接影响到向量相似度计算的可靠性。（语义准确性）

2.模型的推理速度能否满足业务的实时性要求，显存和内存的占用能否适配当下的硬件资源。（模型的效率）

3.是否专门针对某个垂直领域做过预训练或者微调，原生支持特定术语和逻辑。（领域适配）

4.是否支持业务所需的语言，以及具备跨语言对齐能力。（多语言支持）

5.模型的参数量和训练数据规模是否匹配语料的复杂度。（数据规模匹配）

6.是否开源、是否有活跃的社区在维护，API的调用是否灵活。（开放性与生态）

7.训练和推理的硬件投入成本以及使用成本。（成本）