임베딩 모델

임베딩 모델은 문장·문서를 고차원 벡터로 바꿔 유사도·시맨틱 검색·RAG 리트리버에 쓰는 모델이다. Neuralwatt 맥락에서는 뉴스레터가 첫 임베딩으로 Qwen3 Embedding 8B 프리뷰와 OpenAI 호환 /v1/embeddings를 안내했고, 포털 에너지 보드에 “Qwen3 Embedding 8B Preview” 행이 관측된다.

왜 중요한가. 에이전트가 코드·문서·이슈를 찾을 때 키워드 검색만으로는 부족하고, 채팅 모델과 같은 계정·키·과금 체계로 벡터를 만들고 싶을 때 임베딩 엔드포인트가 필요하다. 바이브코딩에서는 청크 전략·차원 수·인덱스(예: pgvector)와 함께 모델 id를 고정해야 재현성이 생긴다.

개념 표:

공식·관련: Energy Methodology, energy-pricing, API Models.

주의. 채팅 모델 GA와 임베딩 Preview를 혼동하지 않는다. 비인증 공개 /v1/models에 임베딩 id가 없을 수 있고, /v1/embeddings는 키 없이 401로 존재만 확인되는 경우가 있다. 단가·정확한 model id는 계정 카탈로그와 pricing에서 확인하고, 없는 숫자를 지어내지 않는다. 바이브코딩 맥락: 리트리버 품질은 임베딩 모델뿐 아니라 청크 크기·오버랩·메타데이터 필터에 좌우된다. Neuralwatt 임베딩을 쓸 때는 채팅 모델과 차원을 맞춰 인덱스를 새로 쌓는지, 기존 벡터 공간과 섞지 않는지를 먼저 정한다. 에너지 보드의 Preview 행은 트래픽이 있다는 신호일 뿐 단가 확정이 아니다. OpenAI Embeddings 클라이언트의 base URL을 Neuralwatt로 둘 때도 경로 이중을 피한다. 관련 링크로 energy-pricing의 임베딩 Preview 행과 methodology의 Embedding models 절을 함께 보면, 채팅 모델 표와 별도 축임을 확인할 수 있다. 에이전트 코드에 model id를 하드코딩할 때는 환경변수로 빼고 Preview→GA 전환에 대비한다.