Theoretisch: sogar 96kHz, weil du damit die Tiefpassfilter im Gerät etwas entlastest. Ich spare mir mal die Vorlesung zur Signalverarbeitungsseite, und im Prinzip hat Michael vollkommen Recht: 44.1kHz enthält alles, was man irgendwie hören kann. Trotzdem ist es etwas "sicherer", erst mit 96kHz aufzunehmen und dann am Rechner mit (guter!) Software herunter zu rechnen, zumindest, wenn man dem Rekorder nicht blind vertraut. So wird es auch im Profibereich gemacht.
Ganz kurze Erläuterung: das Problem ist, dass akustische Instrumente Ultraschall-Anteile produzieren können, die auch theoretisch zu einem geringen Anteil von den Mikrofonen aufgenommen werden können. Wenn nun so ein Frequenzanteil mit beispielsweise ungefähr 25kHz durchs Mikrofon kommt, würde das zu Störsignalen führen können, wenn man nicht korrekt filtert (sogenanntes "Aliasing").
Aus diesem Grund muss das Aufnahmegerät, das mit 44.1kHz aufnimmt, alle Frequenzen oberhalb von 22.05kHz vor der Digitalisierung vollständig entfernen, aber das, ohne unterhalb von 22.05kHz irgendetwas wegzuschneiden. Ein solcher Filter ist zumindest recht schwierig zu bauen. Wenn ich mit 96kHz aufzeichne, muss der analoge Filter deutlich weniger "steil" sein, er hat mehr Luft. Wenn ich dann einmal das digitale Signal ohne Aliasing-Störungen habe, kann ich problemlos runterrechnen.
Wenn ich Zoom-Entwickler wäre, würde mein Rekorder intern immer mit 96kHz aufzeichnen, mit einem mäßig steilen Tiefpassfilter mit einer Grenzfrequenz von ca. 30kHz (oder ganz ohne, die meisten Audio-Komponenten filtern so weit oben ganz von allein). Wenn dann weniger eingestellt wird, würde ich einfach mathematisch umrechnen, das ist am ungefährlichsten und besten. Da ich aber leider nicht bei Zoom arbeite, kann ich dir natürlich nicht garantieren, dass es so ist (bzw. dass die Umrechnung fehlerfrei erfolgt)... daher die Empfehlung für Paranoiker: 96kHz und dann einmalig selbst runterrechnen. Bei Audacity zum Beispiel weiß ich, dass es korrekt umrechnet, ohne Störungen zu produzieren.