加州大学伯克利分校 Sky Computing Lab 开源 LEANN 向量索引，它不在磁盘上保存 embedding，而是在查询时重新计算。仓库基准显示，6000 万条 Wikipedia 分块的索引从 201 GB 降到 6 GB；论文中 76 GB 语料的方案只需 4 GB，而 HNSW 需 188 GB。该论文获 MLSys 2026 最佳研究论文奖。代价是检索变慢：NQ 数据集上检索耗时 2.48 秒，HNSW 为 0.05 秒，端到端延迟从 20.95 秒升至 23.34 秒；在 Mac 上，Hotp…
推荐理由存储省 97%，代价是检索慢几十倍；在笔记本上跑个人数据 RAG 值得试
Nace AI 发布面向 AI Agent 的检索层 Drex for Search，在 BrowseComp-Plus 上搭配 GPT-5 得分 92.05%，每题平均 12.6 次搜索调用。它通过 CLI、SDK、MCP 或 REST 接入 Claude Code、Codex、Cursor、OpenCode 等编码 Agent，可检索 100 万以上文件，支持托管云、自有 AWS/Azure 及本地离线部署。在 OfficeQA Pro 测试中，9 组 Agent 与模型组合平均多答对 6%、步数减少 62%、…
推荐理由做 RAG 或 Agent 检索的可以直接看：token 省 56%、步数减 62%，还支持 MCP 接入
Cohere 发布 Rerank 5 重排序模型，分 Pro 和 Fast 两档，支持 32K 上下文、100 多种语言，可对 JSON、表格、YAML 等半结构化数据重排，升级无需重建索引。新增 Context Focus 功能，返回文档内相关段落的字符区间；在 30 个 QA 数据集测试中，删掉一半检索文本仍保留 96% 的答案质量。分数改为可校准概率，ECE 约 0.06，低于 Voyage AI Rerank 3 的 0.234。Pro 在 Cohere 自评的 46 个数据集中 39 个排名第一，BRIG…
推荐理由做 RAG 的可以用 Context Focus 砍掉 19%–34% 的 token，还能按概率阈值过滤
Perplexity Research 与 turbopuffer 发布 pplx-embed-v2-context-9b-preview，一个面向 RAG 的上下文嵌入模型，权重已在 Hugging Face 以 MIT 协议开放，可自托管，暂未上线 Perplexity API。模型基于内部 9B ColBERT 检索模型，训练信号改为让模型同时检索答案及其验证所需的上下文，而非单一 gold passage；教师模型为 Perplexity 的 query-aware 上下文压缩模型，通过 KL 蒸馏加 In…
推荐理由MIT 协议可自托管，原生 int8 嵌入能省存储，做 RAG 的可以直接拉权重试
OpenRouter 实测了 37 个嵌入模型，按用途给出推荐：英文 RAG 首选 openai/text-embedding-3-small；输入超过 8192 token 用 voyageai/voyage-4-large（32000 token 上下文）；多语言检索用 qwen/qwen3-embedding-8b（支持 100 多种语言、32768 token、公开权重）；代码检索用 voyageai/voyage-code-4；图文检索用 google/gemini-embedding-2。最便宜的付费文…
推荐理由做 RAG 选嵌入模型可直接照抄：英文用 3-small，超 8192 token 换 Voyage 4