Los mejores modelos de embeddings FR

#¿Qué es un modelo de embedding y por qué el francés lo complica?

Un modelo de embedding es una red neuronal que convierte un texto (una frase, un párrafo, un chunk) en un vector de números, de 384 a 4.096 dimensiones según el modelo. Dos textos con significados similares generan vectores próximos, cuya proximidad suele medirse mediante la similitud coseno. Esto permite a un RAG encontrar un pasaje sobre el «contrato de duración determinada» cuando el usuario escribe «CDD», sin ninguna palabra en común. El mismo modelo debe codificar las preguntas y los documentos, como recuerda la documentación de Ollama; cambiar de modelo obliga, por tanto, a reindexar todo el corpus. Para elegir, bastan tres preguntas: ¿se ha entrenado el modelo con textos en francés? ¿Su contexto abarca tus chunks? ¿Su licencia permite el uso que quieres darle?

El francés añade sus propias dificultades: acentos, elisiones (« l'employeur »), siglas jurídicas, anglicismos técnicos mezclados con el texto. La diferencia entre modelos es clara. En el benchmark MTEB-French, la puntuación de recuperación va de 0,43 para all-MiniLM-L12-v2 a 0,65 para BGE-M3, lo que representa una diferencia de 22 puntos en el mismo conjunto de preguntas.

#Los cinco criterios que realmente diferencian a los modelos

Idiomas de entrenamiento

BGE-M3 y Qwen3-Embedding anuncian más de 100 idiomas; multilingual-e5-large, 94. Las fichas de nomic-embed-text-v1.5 y de mxbai-embed-large-v1, modelos muy descargados en Ollama, llevan la etiqueta English.

Contexto máximo

512 tokens para multilingual-e5-large, Solon y mxbai-embed-large; 2 048 para EmbeddingGemma; 8 192 para BGE-M3; 32 000 para Qwen3-Embedding y Granite R2. Un chunk más largo se trunca, no se rechaza.

Dimensiones y almacenamiento

De 384 a 4.096 dimensiones, es decir, 4 bytes por dimensión y por vector en float32 (cálculo más abajo).

Licencia

MIT para BGE-M3, multilingual-e5-large y Solon; Apache 2.0 para Qwen3-Embedding, Granite R2, nomic y mxbai; condiciones Gemma para EmbeddingGemma; CC BY-NC 4.0 (no comercial) para jina-clip-v2.

Prefijos e instrucciones

Algunos modelos requieren un prefijo delante de cada texto (« query: » y « passage: » para E5, incluso en francés). Olvidarlo empeora la recuperación de información sin generar ningún error.

#Clasificación 2026 para el francés: nueve modelos comparados

Este ranking es editorial, no un test interno: combina cobertura en francés, benchmarks publicados y disponibilidad local. Los pesos provienen de la biblioteca Ollama cuando el modelo está presente, de lo contrario provienen del float32 estimado por el estudio MTEB-French.

BGE-M3 sigue siendo la mejor opción por defecto: su rendimiento en recuperación de información en francés está publicado, su contexto de 8 192 tokens evita la mayoría de las divisiones forzadas y también proporciona los pesos léxicos útiles para una búsqueda híbrida. Qwen3-Embedding es el candidato cuando se dispone de una tarjeta gráfica: su versión 8B encabezaba la clasificación multilingüe MTEB cuando se lanzó, el 5 de junio de 2025, según Qwen, pero sus 4 096 dimensiones aumentan las necesidades de almacenamiento. EmbeddingGemma está pensado para máquinas modestas.

Solon, a menudo presentado como el especialista en francés jurídico y administrativo, no gana en ninguno de los tres conjuntos de datos de recuperación del estudio MTEB-French: empata con BGE-M3 en el convenio colectivo Syntec y queda por detrás en los artículos de ley (BSARD) y las preguntas escolares (Alloprof).

#Lo que dicen los benchmarks franceses, y lo que no dicen

La referencia publicada es MTEB-French (Ciancone et al., mayo de 2024): 18 conjuntos de datos, 8 categorías de tareas, 51 modelos comparados. Los autores concluyen que los grandes modelos multilingües preentrenados para la similitud entre frases ofrecen resultados excepcionalmente buenos. Estos son los resultados de recuperación (NDCG@10) en tres conjuntos: artículos de leyes en francés (BSARD), convenio colectivo Syntec y preguntas escolares de Alloprof.

Tres limitaciones impiden convertirlo en una clasificación definitiva. El estudio data de 2024: no incluye ni Qwen3-Embedding (junio de 2025), ni EmbeddingGemma (septiembre de 2025), ni Granite R2, y para esta página no se ha consultado ninguna medición comparable en francés de estos modelos. Los corpus (artículos de leyes, un convenio colectivo, preguntas escolares) no se parecen necesariamente a los tuyos. Por último, las puntuaciones multilingües publicadas por los desarrolladores son autodeclaradas y agrupan todas las lenguas.

#Qué modelo para qué caso: tabla de decisión

#Embedding empresarial personalizado: modelo abierto, fine-tuning o API

«A medida» no quiere decir entrenar tu propio modelo desde el principio. El orden que evita perder tiempo: un modelo abierto genérico, una segmentación cuidadosa, una búsqueda híbrida y un reranker; luego, una medición del recall con tus preguntas reales; luego, solo si los fallos persisten y se deben al vocabulario del sector (referencias internas, siglas propias), un fine-tuning.

Philipp Schmid realizó en junio de 2024 un ajuste fino del modelo bge-base-en-v1.5 con 6 300 pares pregunta-pasaje extraídos de documentos financieros: la puntuación de recuperación mejoró aproximadamente un 7,4 % en su conjunto de prueba, con un entrenamiento de tres minutos en una tarjeta gráfica de consumo. Es un caso en inglés, sobre un único corpus, con pares generados por un LLM: un orden de magnitud, no una promesa. BAAI también documenta el ajuste fino de BGE-M3.

#Embedding multimodal: buscar en imágenes y páginas de documentos

Un modelo de embeddings multimodal coloca texto e imágenes en el mismo espacio vectorial. Así, se puede recuperar una foto a partir de una frase o una página de PDF escaneada sin necesidad de OCR. Los modelos de la biblioteca Ollama consultados en esta página (BGE-M3, Qwen3-Embedding, EmbeddingGemma, nomic-embed-text, mxbai-embed-large) aceptan únicamente texto: los modelos multimodales a continuación se usan a través de Hugging Face (Sentence-Transformers o Transformers).

Un modelo multimodal no es mejor en texto puro. En las tablas publicadas por Qwen, Qwen3-VL-Embedding-2B obtiene 63,87 en MTEB multilingüe, frente a 64,33 de Qwen3-Embedding-0.6B, un modelo de texto más de tres veces más pequeño. Para los PDF cuyo contenido útil es texto, conviértelos en texto limpio (Docling o un OCR) y mantén un embedding de texto. Reserva el multimodal para corpus visuales: esquemas, planos, capturas, diapositivas.

#Gestionar tus embeddings: prefijos, truncamiento, almacenamiento y reindexación

El rendimiento de un RAG suele empeorar más por estos detalles que por la elección del modelo. Primer detalle: cada familia de modelos espera un formato de entrada diferente para las preguntas y para los documentos.

Con Ollama, el ejemplo oficial de mxbai-embed-large coloca el prefijo directamente en el texto enviado: añádelo tú mismo en tu código. Qwen indica que las instrucciones aportan, por lo general, una mejora de entre el 1 y el 5 %, y recomienda escribirlas en inglés incluso para un corpus multilingüe.

#La trampa de Ollama: el truncamiento silencioso

El punto de acceso /api/embed de Ollama tiene un parámetro truncate cuyo valor predeterminado es true: una entrada que supera la ventana de contexto del modelo se recorta sin generar ningún error. Con mxbai-embed-large (512 tokens en Ollama), un fragmento de 700 tokens se indexa sin su parte final y nadie se da cuenta. El contexto de Ollama también puede diferir del indicado en la ficha original: 2K para nomic-embed-text, frente a los 8 192 anunciados por Nomic. Establece truncate en false durante las pruebas: es mejor un error que un texto truncado.

#Dimensiones, almacenamiento y límites de índice

El almacenamiento se calcula simplemente: número de chunks × dimensiones × 4 bytes en float32, sin índice. Para un millón de chunks, los vectores solos ocupan:

Las bases de datos también imponen límites. Con pgvector, un índice se aplica a vectores de hasta 2.000 dimensiones, o 4.000 en media precisión (halfvec): las 4.096 dimensiones de Qwen3-Embedding-8B superan incluso este límite. La solución es truncar los vectores, algo que permiten los modelos entrenados con Matryoshka (Qwen3-Embedding, EmbeddingGemma, nomic v1.5), y luego renormalizarlos, como especifica Google para EmbeddingGemma. La API /api/embed de Ollama acepta un parámetro dimensions, que debes reservar para estos modelos.

#Versionar y reindexar

Metadatos que hay que conservar

Nombre exacto del modelo, revisión, dimensión, plantilla de prefijo, parámetros de chunking, fecha de indexación. Sin estos metadatos, nadie sabe por qué ha cambiado la recuperación.

Cambio de modelo

Vuelve a codificar todo el corpus en una nueva colección, evalúala y después pasa a utilizarla. Nunca mezcles dos modelos en la misma colección.

Normalización

Ollama devuelve vectores normalizados en L2: utiliza la misma métrica (coseno o producto escalar) en todas partes.

#Usar un modelo en la práctica y probarlo en tus documentos

ollama pull bge-m3

curl http://localhost:11434/api/embed -d '{
  "model": "bge-m3",
  "input": "Le contrat débute le 1er mai."
}'

import numpy as np
import ollama

textes = [
    "Le contrat débute le 1er mai.",
    "Date de début : 01/05.",
    "La voiture est rouge.",
]
vecteurs = np.array(ollama.embed(model="bge-m3", input=textes)["embeddings"])

# Les vecteurs d'Ollama sont normalisés : le produit scalaire vaut le cosinus
print(vecteurs[0] @ vecteurs[1])
print(vecteurs[0] @ vecteurs[2])

Fíjate solo en el orden de las dos puntuaciones: la primera debe superar claramente a la segunda. Para comparar seriamente dos o tres candidatos, el siguiente procedimiento sustituye todas las clasificaciones publicadas.

1. 01
   Crear un conjunto de pruebas real

   Reúne entre 50 y 100 preguntas planteadas por usuarios reales (soporte, tickets, preguntas frecuentes) y anota para cada una el chunk que contiene la respuesta. Las preguntas inventadas por un LLM hacen que los resultados parezcan mejores de lo que son.
2. 02
   Codificar con cada modelo candidato

   Codifica los chunks y después las preguntas, respetando la tabla de prefijos y manteniendo la misma longitud de chunk y la misma dimensión de almacenamiento para todos los candidatos.
3. 03
   Medir el recall@5

   Para cada pregunta, verifica si el chunk adecuado aparece entre los cinco primeros resultados. El script a continuación realiza este cálculo.
4. 04
   Tomar una decisión con un criterio de costo

   Quédate con el modelo más ligero cuyo recall@5 se mantenga a uno o dos puntos del mejor: un modelo ocho veces más grande supone un mayor coste de almacenamiento y de tiempo en cada reindexación.

import numpy as np
from sentence_transformers import SentenceTransformer

modele = SentenceTransformer("BAAI/bge-m3")

chunks = [...]      # vos chunks (liste de textes)
questions = [...]   # 50 à 100 vraies questions
cible = [...]       # pour chaque question, l'index du bon chunk

C = modele.encode(chunks, normalize_embeddings=True)
Q = modele.encode(questions, normalize_embeddings=True)

top5 = np.argsort(-(Q @ C.T), axis=1)[:, :5]
recall5 = np.mean([cible[i] in top5[i] for i in range(len(questions))])
print(f"recall@5 = {recall5:.0%}")

• Sentence Transformers: los embeddings en local
• Estrategias de chunking: el tamaño de los chunks frente al contexto del modelo
• Búsqueda híbrida BM25 + vectorial
• Añadir un reranker antes de realizar el ajuste fino
• pgvector: límites de dimensiones e índices
• Ragas: evaluar tu RAG con cifras

• Fuente: ficha oficial de BGE-M3 (BAAI)
• Fuente: MTEB-French, estudio de Ciancone et al. (2024)
• Fuente: documentación de embeddings de Ollama
• Fuente: ficha de Qwen3-Embedding
• Fuente: ficha de EmbeddingGemma (Google)