임베딩 모델이 뭔지 먼저 짚고 갑니다

AI 검색이나 RAG(검색 증강 생성) 파이프라인을 조금이라도 다뤄봤다면 ‘임베딩’이라는 단어를 한 번쯤 들어봤을 겁니다. 쉽게 말하면, 텍스트든 이미지든 영상이든 어떤 데이터를 숫자 벡터로 변환하는 기술입니다. 비슷한 의미를 가진 것들은 벡터 공간에서 가까이 위치하게 되고, 그 거리를 계산해 “이 질문과 가장 관련된 문서는 뭔가?” 같은 검색을 하는 겁니다.

기존 임베딩 모델들은 대부분 텍스트만 다뤘습니다. 이미지를 검색하고 싶으면 CLIP 같은 별도 모델을 쓰고, 오디오는 Whisper로 텍스트로 먼저 바꾼 뒤 다시 임베딩하는 방식이었죠. 이렇게 중간 단계를 거칠수록 원래 의미가 일부 손실됩니다. 녹음 파일에서 감정의 뉘앙스를 텍스트로 옮기면, 텍스트에 없는 톤·강세·침묵이 사라지는 것처럼요.

Gemini Embedding 2는 이 중간 단계를 없애겠다는 게 핵심 목표입니다. 텍스트·이미지·영상·오디오·PDF를 하나의 벡터 공간에 직접 투영합니다. 구글 DeepMind가 2026년 3월 10일 공식 발표했고, 현재 Public Preview 상태로 Gemini API와 Vertex AI에서 사용할 수 있습니다. (출처: Google Blog, 2026.03.10)

▲ 목차로 돌아가기

Gemini Embedding 2가 달라진 핵심

이전 모델인 gemini-embedding-001은 텍스트 전용에 최대 2,048 토큰이었습니다. Gemini Embedding 2는 이걸 세 가지 방향으로 바꿨습니다.

인터리브드(Interleaved) 입력도 됩니다. 이미지 한 장과 텍스트 설명을 같은 요청에 묶어 보내면 모델이 그 관계를 함께 이해해서 하나의 벡터로 만들어냅니다. 단순히 둘을 따로 처리해 합산하는 게 아닙니다. (출처: Google DeepMind Blog, 2026.03.10)

MTEB 멀티링구얼 벤치마크에서 69.9점, MTEB 코드 분야에서 84.0점을 기록했습니다. 영상 리트리벌(Vatex, MSR-VTT, Youcook2) 부문에서는 Amazon Nova 2, Voyage Multimodal 3.5 등 기존 경쟁 모델들 대비 가장 큰 격차를 보였습니다. (출처: tokencost.app, 2026.03.12)

▲ 목차로 돌아가기

입력 제한, 생각보다 촘촘합니다

멀티모달이라는 말에서 ‘무엇이든 넣을 수 있다’는 인상을 받기 쉽습니다. 막상 써보면 이 단계에서 멈춥니다.

100페이지짜리 계약서를 한 번에 넣을 수는 없습니다. 6페이지씩 잘라서 각각 요청해야 합니다. 10분짜리 회의 녹화는 128초 단위로 쪼개야 합니다. 이게 현실적으로 귀찮고 복잡한 청킹 전략을 요구한다는 뜻입니다.

다만 이 제한은 요청당 한도이지, 데이터베이스 전체 한도가 아닙니다. 청크로 잘게 쪼갠 벡터를 DB에 쌓아두면 그 전체를 동시에 검색할 수 있습니다. 이 구조를 이해하지 못하면 “6페이지밖에 안 되네”에서 포기하고 맙니다.

▲ 목차로 돌아가기

공식 가격표에서 직접 확인한 숫자

텍스트만 쓴다면 OpenAI text-embedding-3-small 대비 10배 비쌉니다. 이 수치가 의미하는 건 간단합니다. 기존에 텍스트 중심 RAG 파이프라인을 운영하고 있는 팀이라면, 멀티모달이라는 이유만으로 무조건 갈아타는 건 비용 면에서 손해입니다.

반면 이미지·영상·오디오를 함께 다뤄야 하는 상황에선 사실상 경쟁자가 없습니다. OpenAI는 텍스트 전용 임베딩 모델만 제공하고, CLIP처럼 이미지만 다루는 별도 모델을 붙이면 파이프라인이 복잡해지고 벡터 공간이 달라집니다.

▲ 목차로 돌아가기

오디오 임베딩, 쓰면 텍스트보다 32배 더 나갑니다

이게 실제로 써본 사람이 가장 놀라는 부분입니다. 공식 가격표를 그대로 인용하면 이렇습니다.

영상은 더합니다. $12.00/1M tokens($0.00079/프레임)입니다. 텍스트 대비 60배입니다. 영상 한 클립을 통째로 인덱싱하다 보면 순식간에 비용이 쌓입니다. 이 수치가 의미하는 건, 오디오·영상 임베딩은 꼭 필요한 핵심 콘텐츠에 선별적으로 적용하는 전략이 필요하다는 겁니다.

게다가 현재 Gemini Embedding 2 Preview는 배치(Batch) API를 지원하지 않습니다. 공식 가격 페이지 배치 항목이 모두 ‘Not available’로 표시돼 있습니다. 텍스트·이미지·영상·오디오 모두 해당됩니다. (출처: Google Gemini API 공식 가격 페이지, 2026.03) 배치 처리로 50% 할인을 기대했다면, 현재로선 적용이 안 됩니다.

▲ 목차로 돌아가기

MRL로 스토리지는 줄어도, 재인덱싱 비용은 그대로입니다

Matryoshka Representation Learning(MRL)은 러시아 마트료시카 인형처럼 중요한 정보를 벡터 앞쪽 차원에 먼저 채워 넣는 기법입니다. 덕분에 3,072 차원 전체를 쓰지 않고 768 차원만 잘라 써도 정확도가 크게 떨어지지 않습니다.

여기서 간과하기 쉬운 게 있습니다. 기존에 다른 임베딩 모델로 만든 벡터 DB가 있다면, Gemini Embedding 2로 전환할 때 전체를 다시 임베딩해야 합니다. 벡터 공간이 달라지기 때문에 기존 벡터와 새 벡터를 섞어 쓰는 건 안 됩니다. 이 재인덱싱 비용은 MRL이 줄여줄 수 없습니다.

예를 들어 기존에 OpenAI text-embedding-3-small로 100만 개 청크를 인덱싱해뒀다면, Gemini Embedding 2로 옮길 때 전체를 다시 요청해야 합니다. 규모가 클수록 이 전환 비용이 상당합니다. 이 부분을 계산에 넣지 않고 “더 좋은 모델이니 바꿔야지”로 접근하면, 초기 비용이 예상을 훌쩍 넘깁니다.

▲ 목차로 돌아가기

실제로 쓸 만한 상황과 그렇지 않은 상황

솔직히 말하면, 쓸 만한 상황은 생각보다 좁습니다. 조건이 맞으면 강력하고, 안 맞으면 그냥 비싼 모델입니다.

현재 모델 코드가 gemini-embedding-2-preview입니다. Preview 딱지가 붙어 있다는 건, GA(정식 출시) 전에 가격이나 스펙이 바뀔 수 있다는 의미입니다. 구글은 이전 임베딩 모델(text-embedding-004)을 2026년 1월 14일자로 종료했습니다. Preview 단계에서 프로덕션 의존도를 높이다 갑작스러운 변경을 맞으면 대응 비용이 별도로 발생합니다. “확인 필요” 사항으로 남겨둬야 하는 지점입니다.

▲ 목차로 돌아가기

Q&A 5가지

▲ 목차로 돌아가기

마치며

Gemini Embedding 2가 기술적으로 의미 있는 모델인 건 맞습니다. 텍스트·이미지·영상·오디오를 한 번에 하나의 벡터 공간으로 통합한다는 발상 자체가 기존 파이프라인의 구조를 단순화할 수 있습니다. Sparkonomy의 지연시간 70% 감소 사례는 다중 모달 데이터를 다루는 서비스에서 실질적인 효과가 있다는 걸 보여줍니다.

다만 “멀티모달 임베딩 = 무조건 써야 한다”는 결론은 성급합니다. 텍스트만 쓴다면 OpenAI보다 비싸고, 오디오·영상은 텍스트 대비 32~60배 비쌉니다. 배치 처리도 현재 안 됩니다. Preview 딱지가 떼어지기 전에는 GA 이후 변경 가능성도 열어둬야 합니다.

결론부터 말씀드리면, 이미지·영상·오디오를 한 검색 인터페이스로 통합해야 하는 서비스라면 현재 가장 현실적인 선택지입니다. 그 외의 상황에선 비용 계산부터 먼저 해보는 게 맞습니다.

▲ 목차로 돌아가기

본 포스팅 참고 자료

1. Google DeepMind Blog — Gemini Embedding 2 공식 발표 (2026.03.10) → 공식 링크
2. Google AI for Developers — Gemini Embedding 2 Preview 모델 카드 → 공식 링크
3. Google Gemini API 공식 가격 페이지 (2026.03) → 공식 링크
4. VentureBeat — Gemini Embedding 2 기업 사례 분석 (2026.03.11) → 링크
5. TokenCost.app — Gemini Embedding 2 가격 비교 분석 (2026.03.12) → 링크
6. MarkTechPost — Gemini Embedding 2 기술 분석 (2026.03.11) → 링크