MTEB
Hugging-Face-Leaderboard, das Embedding-Modelle rangiert — über 56 Datensätze in 8 Aufgabentypen (Retrieval, Klassifikation, Clustering, semantische Ähnlichkeit).
2022 von Niklas Muennighoff und anderen vorgestellt (Paper mit Nils Reimers). Deutlich umfassender als frühere Benchmarks (BEIR konzentrierte sich nur auf Retrieval). Top-Modelle ab 2024: OpenAI text-embedding-3-large, voyage-3-large, BGE-M3, NV-Embed-v2, gte-Qwen2. Die mehrsprachige Variante heißt MMTEB (2024). Ein bekanntes Problem ist das Gaming der Leaderboards — manche Modelle werden direkt auf MTEB-Testdaten trainiert, was zu „gefälschten" Spitzenplätzen führt.