nomic-embed-text

Der Ollama-Standard: gute Qualität, langer Kontext, offen trainiert. Solide erste Wahl für englisch-lastige RAG-Projekte.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Im Detail

nomic-embed-text hat sich als De-facto-Standard-Embedding-Modell im Ollama-Ökosystem etabliert, weil es gute Qualität, einen für Embedding-Modelle ungewöhnlich langen Kontext und ein offen dokumentiertes Training verbindet — inklusive nachvollziehbarer Trainingsdaten, was bei vielen Konkurrenzmodellen fehlt. Für RAG-Projekte mit überwiegend englischsprachigen Inhalten ist es eine unkomplizierte erste Wahl, die sich ohne viel Konfiguration in bestehende Ollama-Setups einfügt. Bei stark deutschsprachigen oder gemischten Dokumentenbeständen liefert ein multilinguales Modell tendenziell bessere Ergebnisse. Als Einstiegspunkt, um ein RAG-System überhaupt erst zum Laufen zu bringen, ist es aber kaum zu schlagen.

Praxis-Tipp

Für den ersten RAG-Prototyp reicht “ollama pull nomic-embed-text” — wechseln Sie erst zu einem spezialisierteren Modell, wenn Retrieval-Qualität oder Sprachmischung zum Problem werden.

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: Ollama
• Quelle: HF