> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 임베딩

> AiHubMix는 OpenAI 호환 고효율 벡터 임베딩 솔루션을 제공합니다.

## 사용 가이드

AiHubMix 임베딩 모델은 텍스트나 문서 콘텐츠를 검색 가능한 벡터 데이터로 효율적으로 변환하며, RAG Q\&A 시스템과 지능형 고객 지원에서 널리 사용됩니다. 일반 텍스트든 전체 문서든, 단일 호출로 임베딩을 생성하여 의미 처리를 크게 개선할 수 있습니다.

<CodeGroup>
  ```py 범용 임베딩 theme={null}
  from openai import OpenAI
  import os

  client = OpenAI(
      api_key="sk-***", # AIHUBMIX 대시보드에서 생성한 키로 교체
      base_url="https://aihubmix.com/v1"
  )

  response = client.embeddings.create(
      input="여기에 텍스트 문자열이 들어갑니다",
      model="gemini-embedding-001"
  )

  print(response.data[0].embedding)
  ```

  ```py 문서를 읽고 임베딩 theme={null}
  from openai import OpenAI
  import os

  client = OpenAI(
      api_key="sk-***", # AIHUBMIX 대시보드에서 생성한 키로 교체
      base_url="https://aihubmix.com/v1"
  )

  # 파일 읽기
  def read_whimery_file():
      try:
          with open('yourpath/file.md', 'r', encoding='utf-8') as file:
              return file.read()
      except Exception as e:
          print(f"파일 읽기 오류: {e}")
          return None

  # 콘텐츠를 읽고 임베딩 생성
  content = read_whimery_file()
  if content:
      response = client.embeddings.create(
          input=content,
          model="gemini-embedding-001"
      )
      
      print("파일 콘텐츠가 임베딩으로 성공적으로 처리되었습니다")
      print(f"임베딩 차원: {len(response.data[0].embedding)}")
      print("첫 10개 임베딩 값:", response.data[0].embedding[:10])
  else:
      print("파일 콘텐츠 읽기 실패")

  ```
</CodeGroup>

## 사용 가능한 모델

* gemini-embedding-001
* gemini-embedding-exp-03-07
* text-embedding-3-large
* text-embedding-3-small
* text-embedding-ada-002
* jina-embeddings-v4
* jina-embeddings-v3
* jina-embeddings-v2-base-code
* text-embedding-v4
* Qwen/Qwen3-Embedding-0.6B
* doubao-embedding-large-text-240915
* doubao-embedding-text-240715

***

마지막 업데이트: 2026-06-01