BGE-M3 vs Granite Embedding R2 비교: 어떤 임베딩 모델을 선택해야 할까?

BGE-M3는 밀집·희소·멀티벡터 검색을 지원하는 568M 다국어 모델 하나입니다. Granite Embedding R2는 최대 32K 컨텍스트의 소형 모델 네 개입니다. 크기와 적합성을 비교합니다.

  • 업데이트

결론. 검증된 다국어 올라운더라면 BGE-M3를, 작은 크기, 긴 컨텍스트, 문서화된 학습 데이터 정책이 중요하다면 Granite Embedding R2를 선택하세요. BGE-M3(2024년 1월, MIT)는 100개 이상 언어를 지원하는 568M 모델 하나로 밀집·희소·멀티벡터 검색을 지원하며 입력 한도는 8,192 토큰입니다. 2026년 11월 11일까지 30일간 약 2,900만 건의 다운로드를 기록했습니다. Granite Embedding R2(Apache 2.0)는 47M에서 311M 파라미터의 ModernBERT 모델 네 개로, 다국어 페어는 32K 컨텍스트를 가지며 영어 전용 옵션도 있습니다. IBM은 학습 데이터에 허용적 라이선스를 사용했다고 설명합니다. 점수는 각 개발사가 발표한 것이므로 자신의 데이터로 두 모델을 모두 테스트하세요.

사양

사양 BGE-M3Granite Embedding R2
개발사BAAIIBM
출시일2024년 1월 30일2026년 4월 29일
총 파라미터568M (BGE-M3)312M (Multilingual 311M)
활성 파라미터전체전체
아키텍처인코더인코더
컨텍스트 윈도우8K 토큰32K 토큰
입력텍스트텍스트
라이선스 MIT (허용적) Apache 2.0 (허용적)
최소 버전 메모리(4비트)2.61 GB (BGE-M3)0.115 GB (English small 47M)

성능 주장은 개발사가 제공한 것이며 독립적으로 검증되지 않았습니다.

BGE-M3(이)가 적합한 경우

  • 하나의 모델에서 밀집·희소·멀티벡터 점수를 얻는 하이브리드 검색이 필요한 경우.
  • 가장 널리 쓰이는 다국어 임베딩 모델(100개 이상 언어)이 필요한 경우.
  • 8,192 토큰이면 문단을 담기에 충분한 경우.
  • MIT 라이선스와 중간 크기 568M 모델로 괜찮은 경우.

Granite Embedding R2(이)가 적합한 경우

  • CPU용 소형 모델이 필요한 경우. 크기는 47M 파라미터부터 시작합니다.
  • 문서가 긴 경우. 다국어 모델은 최대 32K 토큰까지 읽습니다.
  • 코드 검색이 필요하거나, 사용 언어가 52개 강화 언어에 포함되는 경우.
  • 학습 데이터 정책을 문서화해야 하고, IBM은 그 데이터를 허용적이고 기업 친화적으로 설명합니다.

BGE-M3 · Granite Embedding R2