BAAI: bge-large-en-v1.5

BAAI bge-large-en-v1.5는 베이징 인공지능 아카데미(BAAI)의 임베딩 모델입니다. 이 모델은 채팅 카테고리가 아니라 임베딩 카테고리에 속하며, 이는 대화형 텍스트를 생성하지 않는다는 뜻입니다. 대신 텍스트를 벡터로 변환하여 저장하고, 비교하고, 검색할 수 있게 해줍니다. 이 모델은 제공업체가 2025-11-18에 공개했습니다.

이 모델은 영어 텍스트를 입력으로 받아 임베딩을 출력으로 생성합니다. 영어 문장, 문단, 문서를 1024차원의 고밀도 벡터 공간에 매핑하며, 목표는 높은 충실도의 의미 임베딩입니다. 컨텍스트 윈도우는 512 토큰이고, 최대 출력은 460입니다. 입력이 텍스트 전용이고 출력이 벡터이므로 읽거나 파싱할 생성된 산문은 없습니다. 대신 다운스트림 시스템이 활용할 수 있는 의미의 수치적 표현을 얻게 됩니다.

이러한 특성은 상당히 구체적인 용도 집합을 가리킵니다. 의미 검색이 가장 명백한 예입니다. 문서를 한 번 임베딩하고, 요청 시점에 쿼리를 임베딩한 다음, 벡터 유사도로 순위를 매기면 됩니다. 문서 검색과 검색 증강 생성 파이프라인도 같은 패턴에 맞습니다. 여기서는 임베딩 모델이 리콜을 담당하고 별도의 생성 모델이 답변을 담당합니다. 이 모델은 임베딩을 소비하는 다운스트림 NLP 작업, 예를 들어 클러스터링, 중복 제거, 분류 피처, 문장이나 문단 간 유사도 비교에도 적합합니다. 영어 텍스트의 압축된 수치 표현이 필요한 모든 작업이 후보가 될 수 있습니다.

이 모델은 모델 id "baai/bge-large-en-v1.5"를 사용하여 api14의 OpenAI 호환 API를 통해 호출합니다. 엔드포인트가 OpenAI 임베딩 형태를 따르므로, input 필드에 텍스트를 보내고 응답에서 벡터를 받습니다. 이 모델은 지원되는 파라미터를 나열하지 않으므로 모델 id와 입력 자체 외에는 조정할 것이 없습니다. temperature나 top_p 같은 옵션이 여기에 적용될 것이라 기대하지 마십시오. 그런 옵션은 생성 모델에 속합니다. 각 입력을 512 토큰 컨텍스트 윈도우 안에 유지하고, 최대 출력이 460이라는 점을 기억하십시오.

계획할 때 고려해야 할 주요 제약은 512 토큰 윈도우입니다. 긴 문서는 임베딩 전에 청크로 나누어야 하며, 청킹 전략은 여러분이 통제할 수 있는 다른 어떤 것보다 검색 품질에 더 큰 영향을 미칩니다. 작업이 텍스트를 표현하는 것이 아니라 생성하는 것을 요구한다면, 이 모델은 잘못된 선택이며 대신 채팅 또는 완성 모델을 살펴봐야 합니다. 텍스트가 영어가 아니라면, 이 모델이 영어에 초점을 둔다고 명시되어 있으므로 확정하기 전에 적합한지 확인해야 합니다.