EmbeddingGemma 2를 Workers AI에서 사용할 수 있게 됐지만, 검색 기능을 바꾸기 전에는 질문·자료의 입력 방식과 출력 차원을 함께 맞춰야 해요. Cloudflare는 2026년 11월 12일 제공 시작을 발표했습니다. 모델 이름 하나를 교체한 사실과 내 자료에서 원하는 결과를 잘 찾는다는 확인은 별개입니다.
이 글은 문서와 이미지가 섞인 검색을 만들거나 기존 벡터 검색의 모델을 바꾸려는 개발자를 위한 비교 안내예요. 11월 16일 공식 모델 페이지와 Vectorize 문서를 확인했습니다. 모델을 직접 실행해 한국어 검색 정확도나 지연 시간·비용을 측정한 글은 아닙니다.
무엇이 추가됐고, 어떤 답을 기대할 수 있나요?
이번 소식의 기준은 Workers AI에서 @cf/google/embeddinggemma-2를 제공하기 시작했다는 점입니다. 검색 결과에 보이는 다른 환경의 모델 소개 날짜와 이 서비스의 제공일을 같은 사건으로 합치지 않는 편이 좋아요. 사용하려는 서비스가 받아들이는 입력과 돌려주는 출력부터 읽어 볼 수 있는 계기입니다.
공식 설명에서 이 모델은 텍스트와 코드, 이미지, 영상, 오디오를 하나의 공통된 벡터 공간으로 표현합니다. 벡터는 내용을 숫자 목록으로 나타내 검색에서 비슷한 자료를 찾는 데 쓰는 표현이에요. 기본 출력은 768차원입니다. 여기서 차원은 숫자 목록의 길이이지, 정답률이나 검색 결과의 개수가 아닙니다.
서로 다른 종류의 입력을 같은 공간에서 비교할 수 있다는 설명도 모든 자료를 자동으로 올바르게 이해한다는 보장은 아니에요. 결과에서 어떤 문서를 보여 줄지, 그 문서가 질문에 실제로 답하는지는 서비스가 따로 확인해야 합니다. 원자료의 이름과 위치를 다시 찾을 수 있는 정보도 숫자 목록과 함께 관리할 부분입니다.
가령 수리 설명서와 부품 사진을 함께 찾아보는 기능을 생각해 보세요. 문장을 통해 관련 그림을 찾는 가능성과, 그림 속 부품이 특정 기기에 맞는지 확인하는 일은 다른 판단입니다. 이는 적용 범위를 설명하기 위한 가상 상황이며 실제 제품에서 관찰한 검색 성과는 아닙니다.
텍스트 배열과 미디어 묶음의 단위를 먼저 정해요
현재 모델 문서는 텍스트를 input으로 보내는 예와 여러 종류의 자료를 messages로 보내는 예를 구분합니다. 멀티모달 예에서는 배열 안의 각 대화가 하나의 임베딩을 만듭니다. 하나의 대화에 글과 그림을 함께 넣는 경우와 각각을 별도 대화로 넣는 경우는 결과를 붙일 원자료 단위가 달라져요.
따라서 요청을 만들기 전에 무엇을 검색 결과 한 건으로 돌려줄지 정하는 것이 좋습니다. 설명서 전체인지, 특정 절인지, 한 장의 부품 사진과 그 설명인지부터 적어 보세요. 원자료 한 건을 여러 조각으로 나누더라도 어떤 조각에서 나온 결과인지 추적할 수 있어야 사람이 나중에 대조하기 편합니다.
미디어는 base64 데이터 URI로 전달하도록 안내돼 있으며 원격 URL을 그대로 보내는 방식은 지원하지 않는다고 적혀 있습니다. 브라우저에서 열리는 사진 주소가 있다는 이유만으로 그 주소가 모델의 유효한 미디어 입력이 되는 것은 아니에요. 파일을 읽는 단계와 모델에 전달하는 단계의 형식을 구분해 확인할 부분입니다.
토큰은 모델이 입력을 읽을 때 나누는 단위입니다. 한 임베딩에 포함된 모든 내용은 8,192토큰의 문맥 창을 함께 사용합니다. 글·사진·영상·소리를 각자 별도의 무제한 칸으로 보는 대신, 하나의 입력 예산 안에 들어가는 묶음으로 읽어 주세요. 이 숫자는 파일 개수나 문자 수와 같은 단위가 아니므로 문서를 잘게 나누는 기준을 토큰 한도와 함께 검토해야 합니다.
처음부터 모든 매체를 한 번에 넣기보다 실제 검색에 필요한 자료만 고르는 방식을 제안합니다. 사진의 설명과 원래 출처를 함께 남기고, 소리나 영상이 추가될 때 무엇이 더 확인되는지도 따로 적어 보세요. 이 과정은 모델 성능을 미리 단정하는 대신 입력과 결과의 대응 관계를 확인하기 위한 준비입니다.
질문과 문서에는 서로 다른 접두어를 사용해요
공식 예제는 검색 질문 앞에 task: search result | query: ...를, 검색할 문서에는 title: ... | text: ...를 붙입니다. 제목이 없을 때는 title: none을 사용하도록 설명해요. 같은 글자들을 보낸다는 사실뿐 아니라 그 글자가 질문인지 찾을 자료인지도 입력 규약의 일부입니다.
분류·군집화·유사도 용도에서는 모든 입력에 같은 작업 접두어를 사용하라는 별도 설명이 있습니다. 검색용 질문·문서의 구성을 다른 작업에 무조건 복사하는 대신 지금 수행할 목적을 먼저 구분해야 해요. 또한 이미지·영상·오디오 자체에는 이러한 접두어를 추가하지 말라고 안내합니다.
팀에서 입력을 만드는 위치가 둘 이상이라면 이 규칙을 한 곳에 정리해 두는 것이 좋습니다. 자료를 등록하는 작업과 사용자의 질문을 처리하는 작업이 서로 다른 접두어나 전처리를 적용하면 무엇을 비교했는지 설명하기 어려워져요. 모델 이름, 입력 종류, 작업 접두어와 자료 단위를 함께 남기는 작은 기록이 도움이 됩니다.
예를 들어 같은 설명서를 대상으로 제목이 있는 자료와 제목이 없는 자료의 처리 규칙을 미리 정해 보세요. 제목을 빈칸으로 보낼지, 문서가 안내한 표시를 사용할지부터 일관되게 맞추는 것입니다. 그런 다음 자료의 일부를 빠뜨리지 않았는지 원문과 대조합니다. 이것은 이 글에서 제안하는 입력 점검이며 특정 전처리의 우수성을 시험한 결과는 아닙니다.
차원을 줄일 때는 검색 인덱스도 같이 살펴보세요
기본값 768 외에 dimensions를 128·256·512로 정해 더 짧은 벡터를 받을 수 있습니다. 공식 설명은 저장량을 줄이는 대신 품질에서 작은 비용이 있을 수 있다고 안내해요. 내 자료에서도 같은 크기의 변화가 생긴다고 계산하거나 특정 차원을 언제나 가장 좋다고 권할 근거는 없습니다.
질문과 문서는 같은 크기를 사용해야 합니다. 출력 인코딩도 구분할 부분이에요. 현재 스키마는 숫자 배열인 float와 base64 표현을 설명합니다. 포장 방식이 달라진 것과 숫자 목록의 길이가 달라진 것을 같은 설정으로 보지 마세요. 응답을 해석하는 코드가 기대하는 표현도 함께 대조해야 합니다.
Vectorize를 쓰는 경우 공식 문서는 인덱스를 만들 때 차원과 거리 계산 기준을 정하고 생성 뒤에는 그 구성을 바꿀 수 없다고 설명합니다. 기존 인덱스가 받아들이는 크기와 새 응답의 크기를 먼저 확인할 이유예요. 이 글에서 운영 인덱스를 수정하거나 새 인덱스를 실제 생성한 것은 아닙니다.
같은 768차원이라는 이유만으로 서로 다른 모델의 검색 품질과 의미 표현까지 같다고 결론 내리지 않는 편이 좋습니다. 모델 페이지가 설명하는 공통 공간은 해당 모델에서 만들어진 입력들의 관계로 읽어야 해요. 교체를 검토한다면 기존 모델과 새 모델을 각각 일관된 입력 규칙으로 비교하는 별도 검토 범위를 제안합니다.
차원 선택 메모에는 모델 이름, 질문·문서 크기, 인덱스 구성과 결과 해석 방식을 함께 적어 보세요. 새 설정에서 오류가 없다는 확인을 마친 뒤에도 실제 사용자가 찾으려는 자료가 상위 결과에 나타나는지, 나타난 자료가 질문의 조건에 맞는지는 남아 있습니다. 형식 호환과 유용성을 따로 보는 기록입니다.
작은 자료 묶음으로 비교 질문을 만들어 봐요
가상의 점검 자료로 비슷한 이름의 부품 설명서 두 개와 각 부품의 사진을 정했다고 해 볼게요. 먼저 사람이 어떤 질문에는 어느 자료를 보여 줘야 하는지 이유를 남깁니다. 정답 자료가 없는 질문도 포함하면, 아무 결과나 돌려준 사실을 검색 성공으로 처리하지 않는 기준을 만들 수 있어요.
질문이 찾는 조건도 나눠 보세요. 이름이 비슷한 자료를 찾는지, 특정 규격이나 용도까지 맞는 자료를 찾는지에 따라 검토할 내용이 다릅니다. 모델이 돌려준 유사도 값과 실제 부품 적합성은 같은 증거가 아닙니다. 자료 원문에서 근거를 확인할 담당자의 판단 범위도 남길 부분이에요.
처음 비교할 때는 입력 자료와 질문을 보존하고 바꿀 조건을 작게 정하는 방식을 제안합니다. 차원과 접두어, 문서 분할을 모두 동시에 바꾸면 결과가 달라진 이유를 설명하기 어려워집니다. 한 번의 작은 비교에서 본 차이를 전체 서비스의 정확도나 모든 한국어 자료의 효과로 넓히지 않아야 합니다.
운영 비용도 숫자 목록 길이 하나로 끝나지 않습니다. 모델 입력 사용량, 자료를 준비하는 작업, 저장·조회 구성은 각각 확인할 부분이에요. 이 글은 실제 요금을 계산하거나 차원을 줄이면 특정 비율로 비용이 절감된다고 주장하지 않습니다. 실제 계정의 현재 요금 조건과 사용량을 비교할 때 참고할 항목을 정리하는 것입니다.
기존 검색을 보존하고 확인한 범위를 남겨요
모델 교체 전에는 기존 모델 식별자와 전처리, 자료 목록, 인덱스 구성을 보존해 두세요. 작은 비교가 충분하지 않은데 운영 데이터를 덮어쓰면 이전 결과와 차이를 다시 읽기 어려워질 수 있습니다. 새 인덱스와 원자료 처리도 조직이 승인한 범위와 보존 정책 안에서 검토할 부분입니다.
외부 모델에 전달할 자료는 사용 권한과 공개 범위를 먼저 확인해야 합니다. 검색용 예제를 만든다는 이유로 내부 문서나 사진을 임의로 외부 서비스에 보내지 마세요. 실제 서비스의 데이터 취급 조건은 해당 문서를 읽고 판단할 문제이며, 이 개념 안내가 조직의 보안 검토를 대신하지는 않습니다.
자주 묻는 질문을 정리해 볼게요. 차원이 작으면 언제나 더 나쁜가요? 공식 안내의 저장량·품질 조건과 내 자료에서의 관찰을 함께 봐야 합니다. 벡터를 받았으면 검색 답변이 완성됐나요? 원자료 조회와 조건 확인이 남아 있어요. 기존과 길이가 같으면 바로 교체할 수 있나요? 모델과 입력·인덱스, 실제 결과를 함께 대조할 질문입니다.
이번 추가 기능은 서로 다른 자료를 하나의 검색 흐름에서 검토할 선택지를 넓혔습니다. 그 선택을 내 서비스에 적용할 때는 입력 계약과 자료 단위를 맞춘 뒤 무엇을 확인했고 무엇은 아직 확인하지 않았는지 남겨 보세요. 화려한 한 번의 결과보다 다음 담당자가 같은 조건을 재현할 수 있는 작은 메모가 도입 판단에 유용합니다.
자료 확인일은 2026년 11월 16일입니다. 공식 발표와 현재 문서로 확인한 범위를 정리했으며 실제 계정 설정 변경·명령 실행·성능 시험은 하지 않았어요. 적용 시점의 계정·버전·환경 조건은 담당자가 다시 확인해 주세요.
함께 읽어 볼 글: 검색에 넣을 원자료와 동기화 조건을 먼저 정하는 D1 안내. 이번 글과 적용 질문이 어떻게 다른지 함께 살펴보세요.

'소프트웨어개발' 카테고리의 다른 글
| GitHub AI Scan 관리 API 추가: 설정 켜기와 검사 완료는 달라요 (0) | 2026.11.17 |
|---|---|
| Copilot 모델 12월 14일 종료 예고: 대체 모델과 연간 구독 예외 확인하세요 (0) | 2026.11.16 |
| 사내 GitHub를 Copilot 앱에 연결할 때: 계정과 클라우드 세션부터 확인하세요 (0) | 2026.11.16 |