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

# Qwen3-Embedding-8B

> 4,096차원 벡터와 32K 입력을 지원하는 다국어 임베딩 모델.

<Info>
  **모델 ID:** `qwen/qwen3-embedding-8b` | **엔드포인트 ID:** `qwen3-embedding-8b` | **파라미터:** 8B | **출시일:** 2025-06-05
</Info>

|     입력 가격    |  출력 가격  |   최대 입력   | 벡터 차원 |
| :----------: | :-----: | :-------: | :---: |
| \$0.010 / 1M | \$0.000 | 32,768 토큰 | 4,096 |

## 개요

Qwen3-Embedding-8B는 입력 텍스트를 밀집 벡터로 변환하는 다국어 텍스트 임베딩 모델입니다. 최대 32,768 토큰까지 입력받아 4,096차원의 임베딩 벡터를 출력합니다. 시맨틱 검색, RAG(검색 증강 생성), 추천 시스템, 분류·클러스터링 등의 작업에 적합합니다.

<CardGroup cols={3}>
  <Card title="Air API Playground" icon="play" href="https://ap-1.aieev.cloud:3007/ko/models/qwen%2Fqwen3-embedding-8b">
    플레이그라운드에서 모델을 체험하세요.
  </Card>

  <Card title="AIR Container로 배포" icon="container-storage" href="/docs/ko/air-container/deploy-a-container">
    AIR Container로 배포하세요.
  </Card>

  <Card title="OpenAI 호환 API" icon="arrow-left-right" href="/docs/ko/air-api/openai-compatible-api#embedding">
    OpenAI SDK 그대로 연동하세요.
  </Card>
</CardGroup>

## 가격

| 구분  | 입력 (1M 토큰) | 출력 (1M 토큰) |
| :-- | ---------: | ---------: |
| USD |    \$0.010 |    \$0.000 |
| KRW |        15원 |         0원 |

## 주요 기능

* 다양한 언어를 아우르는 다국어 임베딩
* 최대 32,768 토큰의 긴 입력 지원
* 4,096차원의 고품질 벡터 출력
* 배치 임베딩으로 대량 텍스트 처리

## 활용 사례

### 시맨틱 검색

쿼리와 문서를 동일한 벡터 공간에 임베딩하여 키워드 일치가 아닌 의미 기반으로 결과를 찾을 수 있습니다.

### RAG(검색 증강 생성)

지식 베이스를 임베딩하고 가장 관련 있는 문단을 검색해 LLM 응답을 실제 데이터에 근거하도록 만들 수 있습니다.

### 추천 시스템

아이템과 사용자 선호도를 벡터로 표현하여 유사도 기반 추천에 활용할 수 있습니다.

### 분류·클러스터링

임베딩 벡터를 분류 모델의 특징으로 사용하거나, 유사한 텍스트끼리 묶는 클러스터링에 활용할 수 있습니다.

## 파라미터

| 파라미터    | 타입              | 필수 | 기본값 | 설명                                        |
| ------- | --------------- | -- | --- | ----------------------------------------- |
| `model` | string          | 필수 | -   | 임베딩 생성에 사용할 모델 ID                         |
| `input` | string \| array | 필수 | -   | 임베딩할 텍스트. 단일 문자열 또는 문자열 배열로 배치 임베딩을 지원합니다 |

## 모델 세부정보

| 속성       | 값                    |
| -------- | -------------------- |
| 벡터 차원    | 4,096                |
| 최대 입력 길이 | 32,768 토큰            |
| 입력 모달리티  | text                 |
| 출력       | embedding            |
| 배치 입력    | 지원 (`input`에 문자열 배열) |

## 시작하기

<Steps>
  <Step title="API 키 발급하기">
    [AirCloud 계정](https://aieev.com)에서 API 키를 발급받습니다.
  </Step>

  <Step title="코드 실행하기">
    아래 코드에서 `YOUR_API_KEY` 자리에 실제 발급받은 키를 넣어 실행하세요. 언어별(Python, cURL, Node.js) 코드 예시를 선택할 수 있습니다.
  </Step>
</Steps>

<CodeGroup>
  ```python Python theme={null}
  from openai import OpenAI

  client = OpenAI(
      api_key="YOUR_API_KEY",
      base_url="https://ap-1.aieev.cloud/endpoints/qwen3-embedding-8b/v1"
  )

  response = client.embeddings.create(
      model="qwen/qwen3-embedding-8b",
      input=["안녕하세요!", "AirCloud로 모델을 쉽게 배포할 수 있습니다."]
  )

  for item in response.data:
      print(item.index, len(item.embedding))  # 벡터당 4096차원
  ```

  ```bash cURL theme={null}
  curl https://ap-1.aieev.cloud/endpoints/qwen3-embedding-8b/v1/embeddings \
    -H "Authorization: Bearer YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "qwen/qwen3-embedding-8b",
      "input": ["안녕하세요!", "AirCloud로 모델을 쉽게 배포할 수 있습니다."]
    }'
  ```

  ```javascript Node.js theme={null}
  import OpenAI from "openai";

  const client = new OpenAI({
    apiKey: "YOUR_API_KEY",
    baseURL: "https://ap-1.aieev.cloud/endpoints/qwen3-embedding-8b/v1",
  });

  const response = await client.embeddings.create({
    model: "qwen/qwen3-embedding-8b",
    input: ["안녕하세요!", "AirCloud로 모델을 쉽게 배포할 수 있습니다."],
  });

  response.data.forEach((item) => {
    console.log(item.index, item.embedding.length); // 벡터당 4096차원
  });
  ```
</CodeGroup>

## 태그

`embedding` `8B` `multilingual` `semantic-search` `open-source`