OpenRouter a publié une évaluation complète de 19 modèles d’embedding via son API, fournissant des recommandations spécifiques à chaque scénario pour la RAG, le multilingue, la recherche de code et la multimodale. Les résultats clés suggèrent l’utilisation de openai/text-embedding-3-small pour la RAG en anglais, voyage-code-4 pour la recherche de code, et qwen3-embedding-8b pour les tâches multilingues. Le guide détaille les tarifs, les limites de contexte et la dimensionnalité, en soulignant que les vecteurs issus de différentes familles de modèles sont incompatibles et nécessitent une reconstruction de l’index. Il propose des conseils pratiques sur l’optimisation des coûts, les méthodologies de test et les bonnes pratiques de déploiement afin de réduire les essais et erreurs pour les développeurs.