Cohere Embed¶

개요¶

Cohere Embed는 텍스트와 이미지를 임베딩(벡터)으로 변환하거나 분류하는 모델 시리즈다. 시맨틱 유사도 측정, 문장 연결 예측, 사용자 피드백 분류 등 다양한 NLP 작업에 활용된다. 최신 embed-v4.0은 텍스트, 이미지, PDF 등 혼합 모달리티를 지원한다.

개발사: Cohere
최신 버전: embed-v4.0
모델 유형: Embedding Model

사양¶

모델 패밀리¶

모델명	모달리티	차원	최대 토큰
embed-v4.0	텍스트, 이미지, 혼합(PDF)	256/512/1024/1536	128K
embed-english-v3.0	텍스트, 이미지	1024	512
embed-english-light-v3.0	텍스트, 이미지	384	512
embed-multilingual-v3.0	텍스트, 이미지	1024	512
embed-multilingual-light-v3.0	텍스트, 이미지	384	512

embed-v4.0 상세¶

항목	내용
차원	256, 512, 1024, 1536 (기본값)
컨텍스트 길이	128,000 토큰
지원 모달리티	텍스트, 이미지, 혼합 (PDF 등)
유사도 측정	Cosine, Dot Product, Euclidean

지원 엔드포인트¶

Embed API
Embed Jobs API (batch processing)

라이선스 및 가격¶

API 가격 (예상)¶

Cohere 콘솔에서 확인 필요. 일반적으로 사용량 기반 과금.

제공 방식¶

Cohere API
배치 처리 (Embed Jobs)

주요 특징¶

1. 다양한 모달리티 지원 (v4.0)¶

순수 텍스트
이미지
텍스트와 이미지 혼합 (PDF 문서)

2. 가변 차원 출력¶

embed-v4.0은 사용 사례에 맞는 차원 선택 가능: - 256: 저장 공간 최적화 - 512: 균형 - 1024: 고품질 - 1536 (기본값): 최대 품질

3. 다국어 지원¶

100개 이상 언어 지원 (multilingual 모델):

주요 언어	ISO 코드
한국어	ko
영어	en
중국어	zh
일본어	ja
스페인어	es
프랑스어	fr
독일어	de
아랍어	ar
힌디어	hi
러시아어	ru

4. 유사도 측정 방식¶

방식	설명	사용 사례
Cosine Similarity	방향 유사도	일반적인 시맨틱 검색
Dot Product	크기와 방향 모두 고려	랭킹, 추천
Euclidean Distance	거리 기반	클러스터링

활용 사례¶

1. 시맨틱 검색¶

의미 기반 문서 검색
FAQ 매칭
유사 문서 찾기

2. 분류¶

감정 분석
토픽 분류
스팸 필터링

3. 클러스터링¶

문서 그룹화
고객 세분화
이상 탐지

4. RAG (검색 증강 생성)¶

벡터 데이터베이스 인덱싱
관련 문서 검색
Command R/R+와 연동

장점¶

128K 토큰 컨텍스트 (v4.0)
멀티모달 지원 (텍스트, 이미지, PDF)
100개 이상 언어 지원
가변 차원으로 유연한 사용
배치 처리 지원 (Embed Jobs)
다양한 유사도 메트릭 지원

단점¶

오픈소스 아님
API 비용 발생
영어 전용 모델이 다국어보다 빠름
로컬 실행 불가
인터넷 연결 필수

모델 선택 가이드¶

요구사항	권장 모델
최대 품질	embed-v4.0
영어 전용, 빠른 속도	embed-english-light-v3.0
다국어 지원	embed-multilingual-v3.0
비용 효율	light 버전
PDF/이미지 포함	embed-v4.0

참고자료¶

공식 문서: https://docs.cohere.com/docs/cohere-embed
Embed API: https://docs.cohere.com/reference/embed
Embed Jobs: https://docs.cohere.com/reference/embed-jobs
지원 언어 목록: https://docs.cohere.com/docs/supported-languages