Google: Gemini Embedding 2

Google: Gemini Embedding 2는 Google의 임베딩 모델로, api14에 모델 id google/gemini-embedding-2로 등록되어 있습니다. 이 모델은 embeddings 카테고리에 속하며, Google은 이를 회사의 첫 멀티모달 임베딩 모델이라고 설명합니다. 채팅 응답을 생성하는 대신 입력을 벡터로 변환하여 저장하고 비교할 수 있게 해주므로, 직접 대화하는 어시스턴트라기보다 검색 및 검색 증강 시스템을 위한 구성 요소입니다.

이 모델은 텍스트, 이미지, 파일, 오디오, 비디오 입력을 받으며, 유일한 출력 모달리티는 embeddings입니다. Google의 설명에 따르면 현재 텍스트와 이미지가 시맨틱 검색 및 검색 증강 생성(RAG)을 위한 통합 벡터 공간으로 매핑되는 것을 지원합니다. 컨텍스트 윈도우는 8192 토큰이고 최대 출력은 7372입니다. 출력이 산문이 아니라 벡터이므로, 결과를 텍스트로 읽는 대신 예를 들어 벡터 인덱스에 기록하는 방식으로 프로그래밍적으로 소비하게 됩니다.

이러한 기능은 상당히 특정한 용도 집합을 가리킵니다. 문서 컬렉션에 대한 시맨틱 검색이 가장 명확한 예입니다. 코퍼스를 한 번 임베딩하고, 요청 시점에 쿼리를 임베딩한 다음, 벡터 유사도로 순위를 매기면 됩니다. RAG 파이프라인도 같은 아이디어에서 이어지며, 검색된 구절이 별도의 생성 모델로 전달됩니다. 멀티모달 입력 지원 덕분에 텍스트와 이미지를 하나의 벡터 공간에서 혼합하는 검색도 구축할 수 있으며, 이는 카탈로그, 미디어 라이브러리 또는 단어로 된 쿼리가 관련 이미지를 찾아낼 수 있어야 하는 모든 컬렉션에 적합합니다. 오디오와 비디오 입력도 허용되는 모달리티로 나열되어 있으므로 해당 자산을 인덱싱하는 것도 가능하지만, Google의 설명에서는 현재 통합 공간으로 매핑되는 것으로 텍스트와 이미지만 언급합니다.

모델 id google/gemini-embedding-2를 사용하여 api14의 OpenAI 호환 API를 통해 이 모델을 호출합니다. 인터페이스가 OpenAI embeddings 규칙을 따르므로, 이미 OpenAI 호환 base URL을 가리키는 기존 클라이언트와 SDK는 최소한의 변경으로 작동해야 합니다. 이 모델은 지원되는 파라미터를 나열하지 않으므로, 모델 id와 입력 같은 표준 임베딩 호출 필드 외에 요청 본문에서 추가로 조정할 것은 없습니다. 기존 파이프라인을 이식하는 경우, 이 모델이 허용하지 않는 선택적 파라미터에 의존하고 있지 않은지 확인하세요.

한 가지 실용적인 고려 사항은 8192 토큰 컨텍스트 윈도우입니다. 그보다 긴 입력은 임베딩 전에 분할해야 하며, 청킹 전략이 검색 품질에 영향을 미치므로 전체 문서가 들어간다고 가정하지 말고 계획하세요. 또한 이 모델은 embeddings만 생성한다는 점을 명심하세요. 애플리케이션에 생성된 텍스트, 요약 또는 답변이 필요하다면 별도의 채팅 또는 완성 모델이 함께 필요하며, Gemini Embedding 2는 파이프라인의 검색 측면을 담당합니다.