# Embedding Model चुनना — Embeddings और Vector Search

Source: https://www.geekswithgeeks.com/hi/embeddings/c-models

> भाषा, domain, आकार, लागत और licence तौलें।

## कोई सार्वभौमिक सर्वश्रेष्ठ मॉडल नहीं

विकल्पों में **hosted APIs** (provider प्रति-token शुल्क पर पाठ embed करता है; आसान, पर डेटा आपके system से बाहर जाता है और आप provider पर निर्भर हैं) और अपने चलाए **open models** (sentence-transformers-शैली encoders, बहुभाषी मॉडल; डेटा और लागत पर नियंत्रण, पर hardware आप सँभालते हैं) शामिल हैं। मापदंड: **भाषाएँ** (आपके users हिंदी लिखते हों तो मॉडल को हिंदी समर्थित करनी चाहिए, और मिश्रित हिंदी-अंग्रेज़ी पाठ परखना चाहिए), **domain** (क़ानूनी, चिकित्सा, कोड), **अधिकतम इनपुट लंबाई** (लंबे chunks कट जाते हैं), **आयाम** (भंडारण और गति), **latency और throughput**, **क़ीमत**, **licence**, और **आपके डेटा पर गुणवत्ता**। MTEB जैसे सार्वजनिक leaderboards उपयोगी shortlist हैं, पर वे ऐसे कार्यों पर औसत लेते हैं जो आपके जैसे न हों, इसलिए प्रतिबद्ध होने से पहले 2 से 3 उम्मीदवारों को अपने सवालों के छोटे labelled set पर परखें। उपयोग किए **मॉडल का सटीक नाम और संस्करण** दर्ज करें।

## मॉडल-चयन checklist

उम्मीदवारों की निष्पक्ष तुलना के लिए उपयोग करें।

```text
[ ] supports all my languages (test real Hindi / Hinglish queries)
[ ] max input tokens >= my chunk size (otherwise text is silently cut)
[ ] dimensions x vectors fits my memory/budget (see the storage arithmetic)
[ ] latency / throughput OK for indexing the corpus and for live queries
[ ] licence and data-handling terms acceptable (hosted: where does the text go?)
[ ] recall@k / MRR measured on 50+ of MY questions, for 2-3 candidates
[ ] exact model name + version recorded; plan for a future re-index
```

## मॉडल संस्करण pin करें

Providers embedding models हटाते और अद्यतन करते हैं। संस्करण pin करें और re-index की पहले से योजना बनाएँ।

**Quiz:** सिर्फ़ leaderboard पर निर्भर रहने की जगह उम्मीदवार मॉडल अपने सवालों पर क्यों परखें?

- [x] Leaderboards ऐसे कार्यों पर औसत लेते हैं जो आपके domain या भाषाओं जैसे न हों
- [ ] Leaderboards हमेशा ग़लत हैं
- [ ] आपके सवाल गुप्त हैं
- [ ] यह क़ानून से अनिवार्य है

*Answer:* Leaderboards ऐसे कार्यों पर औसत लेते हैं जो आपके domain या भाषाओं जैसे न हों. Shortlist के लिए leaderboards, निर्णय के लिए अपना डेटा।