Qwen3-Embedding and Qwen3-Reranker의 개요
Qwen3-Embedding은 Alibaba의 Qwen 팀이 만든 오픈 텍스트 임베딩 모델 계열입니다. 2025년 6월 5일 Apache 2.0으로 0.6B, 4B, 8B 크기로 공개되었고, 대응하는 Qwen3-Reranker 모델도 함께 나왔습니다. 리랭커는 각 쿼리와 문서를 함께 읽어 검색 결과 후보 목록의 점수를 다시 매깁니다. 벡터를 비교하는 방식보다 느리지만 더 정확합니다.
모든 크기가 최대 32K 토큰을 읽고 100개 이상의 자연어와 프로그래밍 언어를 지원합니다. 출력 벡터는 크기에 따라 최대 1,024, 2,560, 4,096차원이며 최소 32차원까지 줄일 수 있습니다. 두 모델 유형 모두 작업 지시문을 받으며, Qwen은 이것이 결과를 1%~5% 개선한다고 말합니다. 지난 한 달 동안 Hugging Face 다운로드는 0.6B 모델이 약 830만(8.3 million)회, 8B가 약 200만(2 million)회였습니다.
Qwen3-Embedding and Qwen3-Reranker, 쓸 만한 가치가 있습니까?
Qwen3-Embedding은 여전히 오픈 텍스트 임베딩 계열 중 먼저 시작해 볼 만한 모델입니다. 주된 이유는 검색 파이프라인의 두 단계를 모두 Apache 2.0으로 다루기 때문입니다. Qwen은 8B가 MTEB 다국어에서 70.58로 2025년 6월 5일 기준 순위표 1위였고, 0.6B는 64.33이라고 보고합니다. 같은 표에서 OpenAI의 text-embedding-3-large는 58.93, Cohere의 multilingual v3는 61.12였습니다. 이 경쟁 모델 수치는 2025년 5월에 측정되었고, 두 회사는 그 뒤 새 모델을 내놓았습니다.
과소평가된 쪽은 리랭커입니다. 0.6B 임베더의 상위 100개 결과를 다시 점수 매기면, Qwen3-Reranker-4B는 영어 검색을 61.82에서 69.76으로, 코드 검색을 75.41에서 81.20으로 끌어올립니다. Qwen의 비교에서 BGE, Jina, GTE 리랭커를 앞섭니다. 4B는 모든 항목에서 8B와 1.5점 이내이고 두 항목에서는 8B를 이기므로, 합리적인 기본 선택입니다.
결과를 좌우하는 사용상의 세부 사항이 두 가지 있습니다. 쿼리에는 한 문장짜리 작업 지시문이 필요하며, 다른 언어라도 영어로 써야 합니다. 문서에는 필요 없습니다. Qwen은 지시문을 빼면 1%~5% 손해라고 말합니다. 벡터는 4,096차원에서 최소 32차원까지 줄일 수 있어 벡터 데이터베이스 크기를 줄여 주지만, 정확도 손실이 얼마인지는 Qwen이 수치로 밝히지 않습니다.
텍스트 전용입니다. 이미지와 스캔한 페이지에는 Qwen이 별도의 Qwen3-VL-Embedding을 제공합니다. 이 모델은 MTEB 다국어에서 67.88로, 이 8B의 70.58보다 낮습니다. 즉 혼합 미디어 검색을 택하면 텍스트에서 약 3점을 잃습니다. GPU를 운영하고 싶지 않은 팀은 Qwen3 기반인 Qwen Cloud의 text-embedding-v4를 100만 토큰당 $0.07에 쓸 수 있습니다. voyage-4-large의 $0.12의 절반을 조금 넘는 가격입니다.
제 역할을 하는 곳
200만(2 million)개의 코드 파일을 색인하는 개발자 도구 회사의 검색 엔지니어
토큰당 요금 없이 시맨틱 코드 검색 추가
GPU 한 장에서 0.6B로 임베딩한 뒤 상위 100개를 Qwen3-Reranker-4B로 리랭킹합니다. Qwen은 이렇게 하면 MTEB-Code가 75.41에서 81.20으로 오른다고 보고합니다. 비용은 API 청구서가 아 니라 GPU 시간이며, 리랭킹 단계는 모든 쿼리에 지연 시간을 더합니다.
12개 언어로 된 상품 목록을 가진 유럽 마켓플레이스의 프로덕트 매니저
언어 간 검색 관련성 개선
쿼리에 영어 작업 지시문을 붙여 8B를 실행합니다. Qwen은 MTEB 다국어 70.58을 보고합니다. 저희 계산으로 가중치는 BF16 기준 약 16 GB이므로 24 GB GPU 한 장으로 서빙할 수 있고, 상품 목록은 자사 인프라 밖으로 나가지 않습니다.
GPU 예산이 없는 스타트업 CTO
도움말 문서와 티켓 50억(5 billion) 토큰 임베딩
Qwen Cloud의 text-embedding-v4는 100만 토큰당 $0.07이므로 이 물량에 약 $350이 듭니다. voyage-4-large에서는 약 $600입니다. 분당 100만 토큰, 1,000건 요청 제한이 있어 이 규모의 백필에는 며칠이 걸립니다.
도입 전 확인할 점
- 설정
- pip로 sentence-transformers(transformers 4.51 이상 필요)를 설치하고 Qwen/Qwen3-Embedding-0.6B를 불러옵니다. vLLM 0.8.5+와 CPU 이미지를 포함한 Text Embeddings Inference도 지원됩니다.
- 연동
- Sentence Transformers, Transformers, vLLM, Hugging Face Text Embeddings Inference를 지원하며, 최대 4,096차원 float 벡터를 저장하는 모든 벡터 데이터베이스와 함께 쓸 수 있습니다. Qwen Cloud의 호스팅형 text-embedding-v4는 "Qwen3 기반"이라고만 설명되며 64~2,048차원입니다. Qwen은 이것이 어느 오픈 체크포인트와 일치하는지, 일치하는 것이 있는지조차 밝히지 않습니다.
- 데이터와 개인정보
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅하면 문서가 자사 하드웨어에 남습니다.
- 대규모 사용 시 비용
- 저희 계산으로 BF16 가중치는 0.6B가 약 1.2 GB, 8B가 16 GB입니다. 작은 모델은 거의 모든 GPU에서, 8B는 24 GB 카드 한 장에서 실행됩니다. 호스팅형 text-embedding-v4는 100만 토큰당 $0.07입니다.
- 제한
- 입력은 32K 토큰입니다. 벡터는 크기에 따라 최대 1,024, 2,560, 4,096차원입니다. 텍스트 전용입니다. 리랭커는 각 쿼리와 문서를 함께 읽으므로, 후보 100개를 다시 점수 매기면 쿼리마다 순전파가 100회 필요합니다.
좋은 점
- Qwen에 따르면 8B가 MTEB 다국어 70.58
- 세 가지 크기의 대응 리랭커가 있으며, 4B가 8B에 근접
- 32K 토큰 입력, 100개 이상 언어, Apache 2.0
- 출력 차원을 32에서 4,096까지 조정 가능
아쉬운 점
- 벤치마크 선두 기록이 2025년 6월의 것
- 텍스트 전용
- 보고된 점수에 도달하려면 쿼리에 작업 지시문이 필요
- 8B는 가중치만으로 약 16 GB의 GPU 메모리가 필요
추천 대상
다국어 또는 코드 검색을 자체 호스팅하면서 임베딩과 리랭킹을 하나의 오픈 라이선스로 갖추고 싶은 팀.
Qwen3-Embedding and Qwen3-Reranker 대안
Qwen3-Embedding and Qwen3-Reranker: 자주 묻는 질문
- Qwen3-Embedding and Qwen3-Reranker, 쓸 만한 가치가 있습니까?
- 임베더와 리랭커를 하나의 라이선스로 갖춘 완전한 오픈 검색 스택입니다. 다만 순위표 1위 기록은 2025년 6월의 것입니다. 평점은 5점 만점에 4.2점입니다.
- Qwen3-Embedding and Qwen3-Reranker의 가격은 얼마입니까?
- Apache 2.0으로 무료. Qwen3 기반인 Qwen Cloud의 호스팅형 text-embedding-v4는 1M 토큰당 $0.07입니다.
- Qwen3-Embedding and Qwen3-Reranker의 단점은 무엇입니까?
- 벤치마크 선두 기록이 2025년 6월의 것; 텍스트 전용; 보고된 점수에 도달하려면 쿼리에 작업 지시문이 필요; 8B는 가중치만으로 약 16 GB의 GPU 메모리가 필요.
- Qwen3-Embedding and Qwen3-Reranker에 적합한 사람은 누구입니까?
- 다국어 또는 코드 검색을 자체 호스팅하면서 임베딩과 리랭킹을 하나의 오픈 라이선스로 갖추고 싶은 팀.
- 팀이나 프로덕션 환경에서 Qwen3-Embedding and Qwen3-Reranker의 비용은 얼마입니까?
- 저희 계산으로 BF16 가중치는 0.6B가 약 1.2 GB, 8B가 16 GB입니다. 작은 모델은 거의 모든 GPU에서, 8B는 24 GB 카드 한 장에서 실행됩니다. 호스팅형 text-embedding-v4는 100만 토큰당 $0.07입니다.
- Qwen3-Embedding and Qwen3-Reranker에 회사 데이터를 맡겨도 안전합니까?
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅하면 문서가 자사 하드웨어에 남습니다.
- Qwen3-Embedding and Qwen3-Reranker의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 voyage-4-large, Cohere Embed 5 및 EmbeddingGemma 2입니다.
답변 확인일: 2026년 10월 26일.
Qwen3-Embedding and Qwen3-Reranker 개발사입니까? 이 평점을 사이트에 표시하십시오
