MTEB
Leaderboard van Hugging Face dat embeddingmodellen rangschikt — meer dan 56 datasets verdeeld over 8 taaktypes (retrieval, classificatie, clustering, semantische gelijkenis).
Gelanceerd in 2022 door Niklas Muennighoff e.a. (paper samen met Nils Reimers). Veel uitgebreider dan eerdere benchmarks — BEIR richtte zich alleen op retrieval. Topmodellen vanaf 2024: OpenAI text-embedding-3-large, voyage-3-large, BGE-M3, NV-Embed-v2 en gte-Qwen2. De meertalige variant heet MMTEB (2024). Het gesjoemel met leaderboards is een bekend probleem: sommige modellen worden rechtstreeks op de MTEB-testsets getraind, wat "nepposities" aan de top oplevert.