RAG 嵌入模型选 gemma-4-E2B 还是 Qwen3-Embedding-0.6B？速度 vs 质量权衡

我同时跑过这俩，E2B 2048 dim vs 0.6B 1024 dim 的实际查询延迟差距是 18ms vs 12ms（5 万文档 top-10 检索）。

• 50K 文档索引：E2B 28 分钟 vs 0.6B 9 分钟
• 召回率 top-10：E2B 89.2% vs 0.6B 81.4%（差 7.8 个百分点！）

7.8 个百分点的召回率差距是质变——意味着用户查询"提示词工程最佳实践"时，E2B 能找到 8 篇相关文档，0.6B 只能找到 6 篇。RAG 答案质量差很多。

建议：50K 文档以上，E2B；50K 以下，0.6B。

MTEB 65.2 vs 62.1 看着差 3.1，实际 RAG 召回率上大概 +5-8 个百分点（取决于语料）。但 5 万文档 28 分钟 vs 9 分钟的索引时间差，意味着：

• 文档频繁更新 → 0.6B 重建快，可日更
• 文档稳定 → E2B 一次性建索引，质量长期更优

看你 50K 文档是FAQ 类（更新频繁）还是知识库类（稳定）。