Voyage vs OpenAI vs Cohere 임베딩: 3가지 모두 RAG로 테스트했습니다 (2026)
Voyage vs OpenAI vs Cohere 임베딩은 2024가 아닌 2026년의 질문입니다. Voyage는 1월 15일에 voyage-4를, 6월 29일에 voyage-context-4를 출시했습니다. Cohere는 Embed v4를 출시했습니다. OpenAI는? 2024년 1월 이후로는 신제품이 없습니다. 2년 반의 이 격차는 RAG 파이프라인을 인덱싱할 호스팅 API 선택에 큰 영향을 미칩니다.
빠른 평결: 어떤 임베딩 API를 선택해야 할까요?
2026년 RAG의 경우, 검색 품질이 최고일 때는 Voyage, 가장 안전한 잘 문서화된 기본값일 때는 OpenAI, 다국어·멀티모달 또는 하나의 벤더에서 임베딩과 리랭킹을 하려면 Cohere를 선택하세요. 한 가지 주의할 점: 널리 인용되는 "14% 더 나음"이라는 수치는 독립적인 MTEB 결과가 아닌 Voyage의 자체 RTEB 벤치마크입니다. 이를 명확히 할 필요가 있습니다.
Voyage: 검색 품질이 실제 병목이거나, 코드·법률·금융 같은 특화된 도메인에서 작업하거나, 모델을 다시 인덱싱하지 않고도 Voyage 모델 간에 전환할 수 있게 해주는 공유 임베딩 공간 업그레이드를 원할 때 선택하세요. 세 가지 중 가장 작은 생태계이지만, 종이 위에서는 가장 날카로운 검색입니다.
OpenAI: 가장 잘 문서화된 기본값을 원하거나, 가장 광범위한 SDK 지원과 영어 일반 RAG에 대한 예측 가능한 가격을 원할 때 선택하세요. 지루하지만 안전한 선택입니다. 절충점: 네이티브 리랭커가 없고, 2024년 1월 이후 새로워지지 않은 모델 라인입니다.
Cohere: 다국어 검색(100+ 언어), 멀티모달(텍스트 및 이미지), 또는 하나의 벤더에서 임베딩과 업계 표준 호스팅 리랭커(Rerank 4)를 원할 때 선택하세요. 리랭크 검색이 쌓이면 더 비싸지지만, 원벤더 스택은 편합니다.
자체 호스팅 옵션을 포함한 더 넓은 범위를 보고 싶다면 오픈 소스 옵션을 포함한 전체 9개 모델 순위를 참조하세요. 이 섹션은 세 가지 호스팅 API만 심층적으로 다룹니다.
Voyage, OpenAI, Cohere 임베딩 한눈에
아래 표는 각 제공자의 대표 모델을 품질, 차원, 컨텍스트, 가격, 다국어 강점, 리랭커 페어링으로 비교합니다. 솔직한 주의사항: 세 가지를 동일한 시점에 순위 매기는 깔끔한 공개 MTEB 행이 없으므로, 모든 품질 수치는 출처와 날짜와 함께 인용되며 한 열로 혼합되지 않습니다.
가격은 2026년 7월 기준이므로, 커밋하기 전에 벤더 가격 페이지에서 다시 확인하세요. 2026년 상반기에 임베딩 가격이 두 번 변동했습니다. 차원도 비용에 영향을 미칩니다: 더 작게 자르면 벡터 데이터베이스에 저장하는 비용이 더 저렴합니다.
Voyage AI: 최고 수준의 검색 (재임베딩할 수 있다면)
Voyage AI는 자체 벤치마크에서 세 가지 중 가장 날카로운 검색 품질을 제공하며, voyage-4 모델 크기 간에 다시 인덱싱하지 않고도 전환할 수 있는 공유 임베딩 공간을 제공합니다. voyage-4 계열은 2026년 1월 15일에 출시되었습니다: voyage-4-large는 $0.12/M, voyage-4는 $0.06, voyage-4-lite는 $0.02입니다.
세 가지 크기 모두 Mixture-of-Experts 아키텍처를 사용하고 하나의 임베딩 공간을 공유하므로, lite에서 large로 업그레이드해도 전체 재인덱싱을 강제하지 않습니다. 그 다음 voyage-context-4(2026년 6월 29일, $0.12/M, context-3의 $0.18에서 인하)는 문맥화된 청크 임베딩을 생성합니다: 각 청크는 주변 문서 컨텍스트를 인코딩하며, 청크당 32K 윈도우와 120K 문서 컨텍스트를 가집니다. Voyage는 리랭크-2.5를 $0.05/M으로 임베더와 페어링합니다.
모든 Voyage 주장과 함께 여행해야 하는 솔직함: "voyage-4-large는 OpenAI를 약 14.05%, Cohere를 약 8.20% 능가한다"는 제목은 Voyage의 자체 RTEB 결과(29개 데이터셋 벤치마크, nDCG@10)이며, 1월 15일 출시 블로그에서 자체 보고됩니다. 이는 독립적인 MTEB 점수가 아닙니다. 이것이 MTEB 수치 하나가 당신을 위해 결정하지 않는 이유입니다.
Voyage로 임베딩하는 것은 몇 줄입니다:
Voyage를 선택하는 것은 검색 품질이 RAG를 막는 것이라면, 정직한 한계입니다: 세 가지 중 가장 작은 생태계이고, 14% 수치는 벤더가 보고한 것이며, Voyage로 전환하면 전체 코퍼스를 재임베딩해야 한다는 의미입니다.
OpenAI 임베딩: 안전한 기본값 (리랭커 없음)
OpenAI는 가장 안전하고, 가장 잘 문서화된 기본값입니다: text-embedding-3-large는 모든 임베딩 API 중 가장 광범위한 SDK 및 도구 지원을 가지고 있으며, 예측 가능한 가격 책정과 견고한 영어 검색을 제공합니다. 0의 놀람을 원하고 모든 프레임워크가 이미 기본적으로 지원할 때 선택하는 것입니다.
text-embedding-3-large는 $0.13/M($0.065 배치)이고, Matryoshka 자르기를 통해 최대 3072개 차원을 지원하며, 8191 토큰 컨텍스트를 처리합니다. 예산 형제인 text-embedding-3-small은 1536 차원에서 $0.02/M이고 일반 RAG에서 잘 견딥니다.
경쟁사 페이지가 언급하지 않는 두 가지 진실이 있습니다. 첫째: text-embedding-4가 없습니다 — OpenAI의 임베딩 문서는 여전히 3 시리즈만 나열합니다. 라인은 2024년 1월 이후로 새로워지지 않았으므로, Voyage와 Cohere가 2026년 출시를 한 동안 약 2.5년 된 모델에 인덱싱하는 것입니다. 둘째: OpenAI는 네이티브 리랭커를 출시하지 않습니다. 리랭커가 필요한 팀은 OpenAI 임베딩을 Cohere Rerank 또는 cross-encoder와 페어링합니다. 2026년 7월 현재 OpenAI 리랭크 엔드포인트가 없으므로 이를 중심으로 아키텍처를 설계하지 마세요.
다국어는 괜찮습니다(MIRACL은 출시 시 약 54.9%로 개선됨) 하지만 OpenAI는 다국어 리더가 아닙니다. voyage-4-large 대 text-embedding-3-large 결정에서 OpenAI는 최고 검색을 안정성과 생태계 너비로 거래합니다.
영어 일반 RAG에 지루하고 신뢰할 수 있는 기본값을 원한다면 OpenAI를 선택하세요. 정직한 한계: 리랭커 없음, 그리고 필드가 움직인 동안 2.5년 동안 정적이었던 모델입니다.
Cohere Embed v4: 멀티모달 + 최고의 호스팅 리랭커
Cohere Embed v4는 다국어 및 멀티모달 리더이며, 세 가지 중 유일하게 업계 표준 호스팅 리랭커와 기본적으로 페어링되는 것입니다. 코퍼스가 100+ 언어에 걸쳐 있거나 텍스트와 이미지를 혼합한다면, 이것이 가장 강한 적합입니다.
embed-v4.0은 $0.12/M으로 실행되며, 128K 토큰 컨텍스트를 처리하고, 멀티모달 입력(텍스트, 이미지 및 인터리브된 문서)을 지원합니다. 차원은 Matryoshka를 통해 256/512/1024/1536이며, 1536이 기본값입니다. v3 라인은 1024 차원의 텍스트 전용이었으므로, v4는 모달리티와 컨텍스트 모두에서 진정한 진전입니다.
Cohere를 선택하는 실제 이유는 스택입니다: Embed v4를 Rerank 4와 페어링하면 하나의 벤더에서 임베딩과 리랭킹을 얻습니다. Rerank 4 Fast는 검색당 $2.00(1,000회당), Rerank 4 Pro는 검색당 $2.50(1,000회당)인데, 여기서 한 번의 검색은 최대 100개 문서에 대한 하나의 쿼리와 같습니다. 격리가 필요한 엔터프라이즈의 경우, Cohere의 Model Vault 전용 계층은 월 $2,500–6,500이지만, 이것은 기본값이 아닌 엔터프라이즈 옵션입니다.
다국어, 멀티모달 또는 단일 벤더 임베드 플러스 리랭크 스택이 필요한 경우 Cohere를 선택하세요. 정직한 한계: 리랭크 검색이 추가되면 더 비싸지고, 영어 전용 텍스트에서는 토큰당 임베딩 품질이 Voyage에 비해 명확한 승리가 아닙니다.
우리는 동일한 코퍼스에서 세 가지 모두를 테스트했습니다
우리는 내부 RAG 코퍼스를 세 가지 주력 API에 대해 다시 실행했으며, 제목 발견은 우리를 놀라게 했습니다: 리랭커는 두 임베더 간의 격차보다 Recall@10을 더 이동시켰습니다. 설정 및 숫자를 여기에 나타냅니다.
코퍼스는 허브 벤치마크에서 사용한 것과 동일한 약 10,000개 문서의 영어 기술 문서 및 지원 티켓 세트이므로, 클러스터 전체에서 숫자가 일관됩니다. 하지만 이것은 API 전용 슬라이스입니다: 정확히 voyage-4-large, text-embedding-3-large 및 cohere embed-v4.0. 우리는 여기서 오픈 소스 모델을 재테스트하지 않았습니다. 그것은 허브의 일입니다. 우리는 손으로 레이블을 지은 약 120개 쿼리 세트에 대해 Recall@10 및 nDCG@10을 점수화했고, 1,000개 청크 배치에서 p95 임베딩 지연을 측정했으며, 우리 볼륨에서 1M 토큰당 유효 비용을 계산했습니다.
...