몽고DB, 차세대 ‘Voyage 4’ 임베딩 모델 공개… "AI 검색의 고질적 문제 해결한다"

AI 성능은 정점에 달했지만, 정작 기업용 서비스에서는 '엉뚱한 대답'이 속출하고 있다. 몽고DB(MongoDB)가 이러한 AI 검색 품질의 하락 문제를 정조준한 차세대 임베딩 및 리랭킹(Reranking) 모델 Voyage 4를 공개했다. 검색 증강 생성(RAG)과 AI 에이전트 시스템이 실제 운영 환경으로 넘어갈 때 발생하는 정보 추출의 한계를 극복하겠다는 전략이다.

MongoDB Voyage 4 embedding 모델: 벤치마크 1위의 성능

이번에 출시된 Voyage 4 시리즈는 총 4가지 모드로 제공된다. 범용 모델인 voyage-4 embedding, 고성능 플래그십 모델인 voyage-4-large, 저지연·저비용에 최적화된 voyage-4-lite, 그리고 온디바이스 및 로컬 개발용인 voyage-4-nano다. 특히 voyage-4-nano는 몽고DB 최초의 오픈 웨이트(Open-weight) 모델로 공개되어 주목을 받고 있다.

성능 수치는 압도적이다. 허깅페이스(Hugging Face)의 RTEB 벤치마크에 따르면, Voyage 4는 구글(Google)과 코히어(Cohere)의 유사 모델을 제치고 임베딩 모델 부문 1위를 기록했다. 몽고DB의 제품 매니저 프랭크 리우는 "임베딩 모델은 AI 경험을 결정짓는 보이지 않는 선택"이라며, "이 선택이 잘못되면 검색 결과가 얕고 무작위로 느껴지게 된다"고 강조했다.

멀티모달 대응과 통합 플랫폼의 강점

단순 텍스트를 넘어선 확장성도 돋보인다. 몽고DB는 텍스트, 이미지, 비디오를 동시에 처리할 수 있는 voyage-multimodal-3.5를 함께 출시했다. 이 모델은 기업 문서 내의 표, 그래픽, 도표 등에서 의미를 추출해 벡터화하는 능력이 탁월하다. 이는 문서 내 복잡한 시각 정보를 데이터화해야 하는 엔터프라이즈 환경에서 강력한 무기가 될 것으로 보인다.

현재 이 모델들은 API와 몽고DB의 클라우드 데이터 플랫폼인 Atlas를 통해 즉시 사용할 수 있다. 서비스 가격은 사용량 기반의 API 요금 또는 Atlas 플랫폼 요금제에 따라 적용된다.