구글, ‘제미니 임베딩2’ 공개: 네이티브 다중 모달 모델로 의미 공간 통합
구글은 최근 새로운 네이티브 다중 모달 임베딩 모델인 ‘제미니 임베딩2( Gemini Embedding2)’를 공개했습니다. 이 모델은 텍스트, 이미지, 동영상, 오디오, PDF 문서를 하나의 공유된 의미 벡터 공간으로 매핑할 수 있으며, 복잡한 AI 데이터 워크플로를 간소화하고 다중 모달 검색 및 이해 능력을 향상시키도록 설계되었습니다. 이는 단일 모달 텍스트에서 통합된 다중 모달 의미 모델링으로의 전환을 의미하는, 구글의 임베딩 기술 분야에서 중요한 진전입니다.

앞서 2025년 7월, 구글은 'gemini-embedding-001' 텍스트 임베딩 모델을 선보인 바 있습니다. 이 모델은 100개 이상의 언어를 지원하며 MTEB 다국어 벤치마크에서 최상위 성적을 기록했습니다. 새로운 Gemini Embedding2는 Gemini 아키텍처를 기반으로 하지만 그 범위를 대폭 확장했습니다. 이제 텍스트, 이미지, 비디오, 오디오, PDF 등 5가지 모달리티를 처리하여 단일 벡터 공간으로 투영합니다. 이를 통해 여러 개의 특수 모델이나 추가 처리 단계 없이도 서로 다른 유형의 미디어 간에 직접적인 의미적 비교가 가능합니다. 이러한 기능은 의미 검색, 검색 강화 생성(RAG), 감정 분석, 데이터 클러스터링과 같은 애플리케이션에 특히 유용합니다.
입력 기능과 관련하여, 새로운 모델은 최대 8192개의 텍스트 토큰을 지원하며, 이는 기존 2048개 토큰 제한의 4배에 달합니다. 또한 요청당 최대 6개의 PNG 또는 JPEG 이미지, 최대 120초 길이의 동영상, 최대 6페이지 분량의 PDF 문서를 처리할 수 있습니다. 주목할 만한 특징은 Gemini Embedding2가 오디오 처리를 기본적으로 지원하여 음성-텍스트 변환이 필요 없고, 전사 과정에서 발생할 수 있는 정보 손실을 방지한다는 점입니다. 또한 Google은 "인터리브드 입력(interleaved input)" 기술을 도입하여, 개발자가 하나의 요청에 여러 모달리티(예: 이미지와 설명 텍스트 혼합)를 결합해 이들 간의 의미적 관계를 더 잘 포착할 수 있도록 했습니다.

아키텍처 측면에서 이 모델은 계속해서 Matryoshka Representation Learning(MRL)을 채택하고 있습니다. 이 기법은 계층적 구조를 사용하여 벡터 차원을 동적으로 조정합니다. 기본 임베딩 차원은 3072이며, 1536 및 768의 선택적 구성이 가능해 개발자가 검색 정확도와 저장 효율성 사이의 균형을 유연하게 맞출 수 있습니다.
구글의 벤치마크 결과에 따르면, Gemini Embedding2는 텍스트, 이미지, 동영상, 음성 작업 전반에 걸쳐 선도적인 성능을 보여줍니다. 예를 들어, 텍스트-동영상 검색에서 68.8점을 기록하여 Amazon Nova2Multimodal Embeddings(60.3점)와 Voyage Multimodal3.5(55.2점)를 앞섰습니다. 텍스트-이미지 비교에서는 93.4점을 기록하여, 아마존 모델의 점수인 84.0점을 크게 앞섰습니다.
현재 개발자들은 Gemini API와 Vertex AI를 통해 Gemini Embedding2를 이용할 수 있습니다. 이 모델은 LangChain, LlamaIndex, Haystack, Weaviate, Qdrant, ChromaDB, Vector Search와 같은 인기 있는 프레임워크 및 벡터 데이터베이스와 연동됩니다. 개발자들의 시작을 돕기 위해 Google은 대화형 Colab 노트북과 경량형 멀티모달 시맨틱 검색 데모를 제공합니다.

다중 모달 임베딩 분야의 경쟁이 치열해지고 있습니다. 특히 올해 2월 말, AI 검색 엔진인 퍼플렉시티(Perplexity)는 오픈소스 임베딩 모델인 pplx-embed-v1과 pplx-embed-context-v1을 공개했습니다.
관련 기사
AI 환각이 거의 미국 군사 작전을 촉발하다
봄철, 미국 당국자들은 이미 공중에 떠 있던 군사 항공기들 사이에서 놀라운 사실을 발견했다. 중국 선박을 대상으로 한 무력 공격을 안내하는 정보가 완전히 AI 챗봇에 의해 조작된 것이었다. CNN은 금요일, 작전이 마지막 순간에 취소되어 중국과의 잠재적 충돌을 간신히 피했다고 보도했다.이 사건은 군사 지도자와 외부 전문가들 사이에서 커져가는 우려를 드러낸다. 의사결정자들이 AI에 점점 더 의존함에 따라, 이러한 시스템이 생성한 오류는 검토되기
Nvidia의 Les Karpas: TechCrunch Disrupt 2026에서 ChatGPT 시대를 기다리는 로봇
ChatGPT의 2022년 11월 출시로 AI는 이론적 과대광고에서 일상적 유용성으로 급격히 전환되었으며, 이는 우리가 대규모 언어 모델과 상호작용하는 방식을 근본적으로 변화시켰습니다.로봇공학은 오랫동안 논의와 개발의 대상이었으나, 그러한 단일한 돌파구 시기는 아직 부족합니다. TechCrunch Disrupt 2026에서 Nvidia Inception의 물리적 AI 글로벌 책임자 Les Karpas는 그의 Real World AI Stage
Anthropic, 연내 소규모 AI 모델의 자기 복제 가능성 경고
Anthropic은 또 다른 긴급 경고를 발표했습니다: AI 모델은 수개월 내에 자체 복제를 학습할 가능성이 있으며, 일단 이 과정이 시작되면 사실상 "전원 끄기" 스위치가 존재하지 않습니다. 회사의 최신 연구에 따르면, 이러한 프로그램은 중앙화된 종료 메커니즘이 부족하여 서버 전원을 뽑는 방식으로 단순히 비활성화할 수 없습니다. 대신 장치를 통해 점진적으로 확산되는 과정을 지켜봐야 하며, 완전히 제거하는 것은 매우 어렵습니다. 이러한 기능은
관련 특별 주제 추천
의견 (0)
0/500
구글은 최근 새로운 네이티브 다중 모달 임베딩 모델인 ‘제미니 임베딩2( Gemini Embedding2)’를 공개했습니다. 이 모델은 텍스트, 이미지, 동영상, 오디오, PDF 문서를 하나의 공유된 의미 벡터 공간으로 매핑할 수 있으며, 복잡한 AI 데이터 워크플로를 간소화하고 다중 모달 검색 및 이해 능력을 향상시키도록 설계되었습니다. 이는 단일 모달 텍스트에서 통합된 다중 모달 의미 모델링으로의 전환을 의미하는, 구글의 임베딩 기술 분야에서 중요한 진전입니다.

앞서 2025년 7월, 구글은 'gemini-embedding-001' 텍스트 임베딩 모델을 선보인 바 있습니다. 이 모델은 100개 이상의 언어를 지원하며 MTEB 다국어 벤치마크에서 최상위 성적을 기록했습니다. 새로운 Gemini Embedding2는 Gemini 아키텍처를 기반으로 하지만 그 범위를 대폭 확장했습니다. 이제 텍스트, 이미지, 비디오, 오디오, PDF 등 5가지 모달리티를 처리하여 단일 벡터 공간으로 투영합니다. 이를 통해 여러 개의 특수 모델이나 추가 처리 단계 없이도 서로 다른 유형의 미디어 간에 직접적인 의미적 비교가 가능합니다. 이러한 기능은 의미 검색, 검색 강화 생성(RAG), 감정 분석, 데이터 클러스터링과 같은 애플리케이션에 특히 유용합니다.
입력 기능과 관련하여, 새로운 모델은 최대 8192개의 텍스트 토큰을 지원하며, 이는 기존 2048개 토큰 제한의 4배에 달합니다. 또한 요청당 최대 6개의 PNG 또는 JPEG 이미지, 최대 120초 길이의 동영상, 최대 6페이지 분량의 PDF 문서를 처리할 수 있습니다. 주목할 만한 특징은 Gemini Embedding2가 오디오 처리를 기본적으로 지원하여 음성-텍스트 변환이 필요 없고, 전사 과정에서 발생할 수 있는 정보 손실을 방지한다는 점입니다. 또한 Google은 "인터리브드 입력(interleaved input)" 기술을 도입하여, 개발자가 하나의 요청에 여러 모달리티(예: 이미지와 설명 텍스트 혼합)를 결합해 이들 간의 의미적 관계를 더 잘 포착할 수 있도록 했습니다.

아키텍처 측면에서 이 모델은 계속해서 Matryoshka Representation Learning(MRL)을 채택하고 있습니다. 이 기법은 계층적 구조를 사용하여 벡터 차원을 동적으로 조정합니다. 기본 임베딩 차원은 3072이며, 1536 및 768의 선택적 구성이 가능해 개발자가 검색 정확도와 저장 효율성 사이의 균형을 유연하게 맞출 수 있습니다.
구글의 벤치마크 결과에 따르면, Gemini Embedding2는 텍스트, 이미지, 동영상, 음성 작업 전반에 걸쳐 선도적인 성능을 보여줍니다. 예를 들어, 텍스트-동영상 검색에서 68.8점을 기록하여 Amazon Nova2Multimodal Embeddings(60.3점)와 Voyage Multimodal3.5(55.2점)를 앞섰습니다. 텍스트-이미지 비교에서는 93.4점을 기록하여, 아마존 모델의 점수인 84.0점을 크게 앞섰습니다.
현재 개발자들은 Gemini API와 Vertex AI를 통해 Gemini Embedding2를 이용할 수 있습니다. 이 모델은 LangChain, LlamaIndex, Haystack, Weaviate, Qdrant, ChromaDB, Vector Search와 같은 인기 있는 프레임워크 및 벡터 데이터베이스와 연동됩니다. 개발자들의 시작을 돕기 위해 Google은 대화형 Colab 노트북과 경량형 멀티모달 시맨틱 검색 데모를 제공합니다.

다중 모달 임베딩 분야의 경쟁이 치열해지고 있습니다. 특히 올해 2월 말, AI 검색 엔진인 퍼플렉시티(Perplexity)는 오픈소스 임베딩 모델인 pplx-embed-v1과 pplx-embed-context-v1을 공개했습니다.
AI 환각이 거의 미국 군사 작전을 촉발하다
봄철, 미국 당국자들은 이미 공중에 떠 있던 군사 항공기들 사이에서 놀라운 사실을 발견했다. 중국 선박을 대상으로 한 무력 공격을 안내하는 정보가 완전히 AI 챗봇에 의해 조작된 것이었다. CNN은 금요일, 작전이 마지막 순간에 취소되어 중국과의 잠재적 충돌을 간신히 피했다고 보도했다.이 사건은 군사 지도자와 외부 전문가들 사이에서 커져가는 우려를 드러낸다. 의사결정자들이 AI에 점점 더 의존함에 따라, 이러한 시스템이 생성한 오류는 검토되기
Nvidia의 Les Karpas: TechCrunch Disrupt 2026에서 ChatGPT 시대를 기다리는 로봇
ChatGPT의 2022년 11월 출시로 AI는 이론적 과대광고에서 일상적 유용성으로 급격히 전환되었으며, 이는 우리가 대규모 언어 모델과 상호작용하는 방식을 근본적으로 변화시켰습니다.로봇공학은 오랫동안 논의와 개발의 대상이었으나, 그러한 단일한 돌파구 시기는 아직 부족합니다. TechCrunch Disrupt 2026에서 Nvidia Inception의 물리적 AI 글로벌 책임자 Les Karpas는 그의 Real World AI Stage
Anthropic, 연내 소규모 AI 모델의 자기 복제 가능성 경고
Anthropic은 또 다른 긴급 경고를 발표했습니다: AI 모델은 수개월 내에 자체 복제를 학습할 가능성이 있으며, 일단 이 과정이 시작되면 사실상 "전원 끄기" 스위치가 존재하지 않습니다. 회사의 최신 연구에 따르면, 이러한 프로그램은 중앙화된 종료 메커니즘이 부족하여 서버 전원을 뽑는 방식으로 단순히 비활성화할 수 없습니다. 대신 장치를 통해 점진적으로 확산되는 과정을 지켜봐야 하며, 완전히 제거하는 것은 매우 어렵습니다. 이러한 기능은





집






