直接回答：选型先看三件事：语言与领域匹配（中文检索选 bge、text-embedding 系列的中文优化版本，通用榜单分数不能跨语言外推）、向量维度与成本（维度越高存储与检索越贵，1024 维通常是性价比甜点，部分模型支持 Matryoshka 截断降维）、部署形态（API 省事但有数据出域与稳定性问题，自建要考虑推理成本）。最终在自己的数据上建评测集实测召回率，榜单只做初筛。
展开解析：评测方法：从真实检索日志采样 query，人工或半自动标注相关文档，算 Recall@10 与 nDCG；一定要包含难负例（字面相近但无关），只测简单正负例区分不出模型差异。微调的触发条件：领域术语密集（医疗、法律、芯片）且通用模型召回明显不足；或 query 与文档语言风格差异大（口语问、公文答）。微调用对比学习，核心是难负例挖掘——同 batch 随机负例太简单，要用 BM25 或初版向量召回的 top-k 中剔除正例当难负例。数据量几千到几万对即可见效。注意微调后要重刷全库向量，新旧向量不可混用，切换期需要双索引灰度。
追问方向：query 与文档该用不同模型编码吗？多语言混合检索怎么处理？
（约 450 字）