홈으로 돌아가기
공식 웹사이트 방문하기
Gemini Embedding 004 구글 768차원 다국어 시맨틱 벡터 임베딩 및 RAG 검색 최적화 모델
공식 서비스 바로가기
서비스 상세 소개
Gemini Embedding 004 구글 768차원 다국어 시맨틱 벡터 임베딩 및 RAG 검색 최적화 모델: MTEB 벤치마크 최고 수준의 의미 검색 정확도를 달성하고 RAG 파이프라인의 환각을 줄여주는 구글 최신 임베딩 모델입니다.
Gemini Embedding 004는 텍스트 문서의 문맥적 의미를 768차원 다밀집 벡터로 압축 변환하는 구글의 차세대 임베딩 파운데이션 모델입니다. 한국어를 포함한 100개 이상의 다국어 데이터셋에서 최적화되었으며 질의문과 문서 간의 의미적 일치도를 정밀하게 측정합니다. 탄력적 임베딩 차원 축소 기법을 지원하여 벡터 데이터베이스 스토리지 비용을 대폭 절감하면서도 강력한 시맨틱 검색 성능을 유지합니다.
핵심 기능 목록
다국어 의미 검색 벤치마크 MTEB에서 검증된 고정밀 텍스트 유사도 산출
768차원 벡터 및 차원 축소 지원으로 벡터 DB 저장 비용 절감
사내 지식 베이스 검색 증강 생성 RAG 아키텍처에 완벽 최적화
질의 검색 문서 분류 클러스터링 등 다양한 태스크 유형별 전용 임베딩 지원
