핵심 역량

• 다국어 문장 임베딩 생성
• 텍스트 특징 추출 및 벡터화
• 의미론적 유사도 계산
• RAG 시스템용 인덱싱 엔진

강점

• 0.6B의 작은 크기로 모바일 및 엣지 환경에서 낮은 지연 시간 제공
• 90개 이상의 언어를 지원하는 높은 범용성
• MIT 라이선스를 통한 제약 없는 비즈니스 활용 가능

훈련 방식

Qwen3 0.6B 기반 Sentence-Transformers 학습 및 MTEB 벤치마크 최적화

알아두면 좋은 것

• 한국어를 포함한 90개 이상의 광범위한 다국어 코퍼스 지원
• Qwen3 아키텍처 기반의 0.6B 경량 파라미터 설계
• MIT 라이선스 적용으로 상업적 이용 및 수정 가능
• Text-Embeddings-Inference(TEI) 환경과 호환되는 최적화 구조