임베딩 모델 라인업 — v5·v4·v3와 차원

임베딩 모델 라인업 — v5·v4·v3와 차원

Jina AI의 임베딩 모델은 텍스트·이미지·코드를 벡터로 바꿔 검색·RAG·에이전트 앱에 쓰도록 설계됐어요. 최신 모델들이 경량화되면서 엣지 배포를 위한 GGUF/MLX 양자화도 지원해요.

출처: https://docs.jina.ai/reference/embeddings/

v5-text: 5세대 소형 다국어 임베딩 모델로 두 가지 크기가 있어요.

  • jina-embeddings-v5-text-small — 677M 파라미터, Qwen3-0.6B-Base 백본 기반. 32K 컨텍스트, 1024차원, Matryoshka 표현 학습으로 32/64/128/256/512/1024로 잘라 쓸 수 있어요. last-token pooling을 사용해요.
  • jina-embeddings-v5-text-nano — 239M 파라미터, EuroBERT-210M 백본 기반. 8K 컨텍스트, 768차원, Matryoshka로 32/64/128/256/512/768로 절단 가능해요. 저지연·엣지 배포에 최적화됐어요.

v5-omni: 텍스트·이미지·오디오·비디오를 하나의 공유 임베딩 공간으로 — 두 가지 크기가 있어요.

  • v5-omni-small(1.6B) — 2B 미만 파라미터에서 최고 성능의 오픈웨이트 omni 모델
  • v5-omni-nano(0.9B) — 1B 미만에서 경쟁력 있는 검색 성능

둘 다 v5-text와 바이트 단위 호환(byte-for-byte compatible)이라 인덱스를 다시 만들지 않아도 돼요.

그 외 텍스트·멀티모달 모델도 있어요.

  • jina-embeddings-v4 — 3.8B 파라미터, 텍스트·이미지·PDF 지원, 2048차원. 통합 멀티모달 검색에 최적화
  • jina-embeddings-v3 — 570M 파라미터, 1024차원, 100+ 언어
  • jina-clip-v2 — 885M 파라미터, 1024차원, 텍스트-이미지 교차 검색

코드 임베딩 모델로는 jina-code-embeddings-0.5b(494M)와 jina-code-embeddings-1.5b(1.54B)가 있어요. Qwen2.5-Coder 백본 기반으로 자연어 코드 검색, 기술 Q&A, 크로스랭귀지 코드 유사도에 쓰여요.

curl "https://api.jina.ai/v1/embeddings" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $JINA_API_KEY" \
  -d @- <<EOF
{
  "model": "jina-embeddings-v5-text-small",
  "normalized": true,
  "embedding_type": "float",
  "input": ["Your text here"]
}
EOF

더 알아보기