Qwen3-Embedding vs EmbeddingGemma 2: 어떤 것을 써야 할까?

Qwen3-Embedding은 텍스트와 코드를 세 가지 크기로 처리합니다. EmbeddingGemma 2는 텍스트, 이미지, 오디오, 비디오를 한 공간에 넣습니다. 컨텍스트, 크기, 라이선스를 비교하세요.

  • 업데이트

결론. 검색하려는 대상으로 선택하세요. Qwen3-Embedding은 텍스트와 코드를 세 가지 크기(0.6B, 4B, 8B)로 처리하고, 최대 32,000 토큰 문단을 읽으며 100개 이상 언어를 커버합니다. EmbeddingGemma 2는 740M 모델로 텍스트, 이미지, 오디오, 비디오를 하나의 공유 공간에 넣고 컨텍스트는 8,192 토큰입니다. 둘 다 Apache 2.0입니다. 서로 다른 모델의 벡터는 호환되지 않으므로 나중에 모델을 바꾸면 데이터를 다시 색인해야 합니다.

사양

사양 Qwen3-EmbeddingEmbeddingGemma 2
개발사Alibaba QwenGoogle DeepMind
출시일2025년 6월 5일2026년 10월 6일
총 파라미터7.57B (Embedding-8B)740M (Full multimodal (740M))
활성 파라미터전체전체
아키텍처인코더인코더
컨텍스트 윈도우32K 토큰8K 토큰
입력텍스트텍스트, 이미지, 오디오, 영상
라이선스 Apache 2.0 (허용적) Apache 2.0 (허용적)
최소 버전 메모리(4비트)1.38 GB (Embedding-0.6B)0.621 GB (Text and code only (270M of the same weights))

성능 주장은 개발사가 제공한 것이며 독립적으로 검증되지 않았습니다.

Qwen3-Embedding(이)가 적합한 경우

  • 데이터가 텍스트나 코드이고 정확도와 비용을 절충하고 싶은 경우: 8B 모델이 가장 정확하고 0.6B 모델은 소형 서버에서 돌아갑니다.
  • 문서가 긴 경우: 최대 32,000 토큰까지 읽습니다(EmbeddingGemma 2는 8,192).
  • 함께 쓰이는 Qwen3-Reranker 모델로 2단계 검색을 구성하고 싶은 경우.
  • 프로그래밍 언어를 포함해 100개 이상 언어가 필요한 경우.

EmbeddingGemma 2(이)가 적합한 경우

  • 음성 메모로 영상 클립을 찾거나 한 문장으로 사진을 찾는 등 교차 모달 검색이 필요한 경우.
  • 휴대폰이나 노트북에서 돌리고 싶은 경우: 전체 모델 다운로드는 약 1.5 GB입니다.
  • 벡터 저장 공간을 줄이고 싶은 경우: 벡터를 256 또는 128 차원으로 잘라낼 수 있습니다.
  • 문서가 짧거나 8,192 토큰에 맞는 청크로 나누는 것을 감수할 수 있는 경우.

Qwen3-Embedding · EmbeddingGemma 2