Quale modello di IA per un RAG sui tuoi documenti?
Un assistente che risponde a partire dai tuoi documenti (RAG): documentazione di prodotto, procedure, base di conoscenza.
DeepSeek V4.1 Flash
- Indice
- 155,6
- Prezzo / M token
- 0,27 € / 1,07 €
- Costo / 1 M
- ≈ 1494 €
Sulla linea di Pareto, indice di capacità di 155 a un prezzo basso: adatto ai lunghi passaggi letti a ogni domanda.
Vedi nella classifica →Qwen3.8 27B
- Indice
- 151,6
- Prezzo / M token
- Gratis (locale)
Pesi aperti con licenza Apache 2.0: con un modello di embedding locale, né i documenti né le domande lasciano il tuo server.
Vedi nella classifica →Claude Sonnet 5.5
- Indice
- 164,4
- Prezzo / M token
- 1,78 € / 8,89 €
- Costo / 1 M
- ≈ 10.663 €
Sulla linea di Pareto, con uno dei migliori indici di capacità: più capace di dire «non lo so» quando i passaggi non contengono la risposta.
Vedi nella classifica →Perché queste scelte
In un RAG la qualità dipende prima dalla ricerca dei passaggi (il modello di embedding e la suddivisione dei documenti), poi dal modello che scrive la risposta. Ogni domanda fa leggere diverse migliaia di token: il prezzo di input pesa più di quello di output.
Passa all'azione
Chat privata sui documenti: Ollama, Qdrant, Open WebUI
Stack docker-compose per una chat privata sui tuoi documenti: Ollama (modello), Qdrant (database vettoriale) e Open WebUI (interfaccia).
Embeddings multilingual-e5-large per un RAG in italiano
multilingual-e5-large per un RAG in italiano: 1024 dimensioni, 512 token, prefissi query:/passage: obbligatori, distanza coseno. Licenza MIT.
Dati: indice Epoch AI (CC BY 4.0), prezzi ufficiali degli sviluppatori convertiti al tasso BCE, aggiornati il 2026-10-19 · Classifica dei modelli di IA: intelligenza, benchmark e prezzo