KURE-v3
Dense1.1BnDCG@10 0.8027
벡터 DB 하나로 바로 사용하는 단일 벡터 검색 모델이며, 긴 문서(8K 토큰)를 지원하고, 한/영 이중 언어 검색이 가능하며, 차원을 줄여 저장 비용 절감이 가능합니다.
NEW
KURE-v3
KURE-v3는 한국어-영어 검색이 가능한 1.1B dense 임베딩 모델입니다. OpenAI SDK에 base_url만 바꾸어 바로 사용해 보세요!
- 한국어 검색 성능
- 0.8027
- 파라미터
- 1.1B
- 최대 토큰
- 8,192
- MRL 차원
- 256–2048
질문고려대학교는 어디에 있나요?
- 1정답
고려대학교는 서울특별시 성북구 안암로 145에 캠퍼스를 두고 있다.
0.596 - 2부분 정답
고려대학교 세종캠퍼스는 세종특별자치시 조치원읍에 있다.
0.436 - 3비슷한 주제
연세대학교는 서울특별시 서대문구 신촌동에 위치한 사립 대학이다.
0.360 - 4단어만 겹침
고려는 918년 왕건이 세운 왕조로, 수도는 개경이었다.
0.233 - 5무관
대학 입시에서 수시 모집 원서 접수는 보통 9월에 진행된다.
0.051
차원
직접 입력 →빠른 시작
OpenAI 호환 API입니다. 질의에는 input_type="query", 문서에는 "document"를 넣으세요.
from openai import OpenAI
client = OpenAI(base_url="https://kure.kullm.ai/api/v1", api_key="kure-...")
query = client.embeddings.create(
model="kure-v3",
input="고려대학교는 어디에 있나요?",
extra_body={"input_type": "query"},
)
docs = client.embeddings.create(
model="kure-v3",
input=["고려대학교는 서울특별시 성북구 안암로 145에 있다."],
dimensions=1024, # 256 | 512 | 768 | 1024 | 2048
extra_body={"input_type": "document"},
)KURE Family
용도에 맞는 모델을 고르세요. API 배지가 있는 모델은 API로 바로 쓸 수 있고, 모든 모델을 Hugging Face에서 받을 수 있습니다.
KURE-v2
Late-Interaction154MnDCG@10 0.8160
검색 품질이 최우선일 때. 토큰별 다중 벡터(ColBERT 방식)라 인덱스가 큽니다.
KURE-Sparse
Sparse593M · 149MnDCG@10 0.7984
역색인(BM25 대체)에 바로 넣는 학습형 희소 벡터. 하이브리드 검색에 적합합니다.
kure-sparse-nanokure-sparse-base
KURE-Reranker
Reranker1.7B · 149M
1차 검색 결과 상위 문서를 다시 정렬해 정확도를 올릴 때 사용합니다.
kure-reranker-nano
이전 모델
- KURE-v1Dense568MnDCG@10 0.7616BGE-M3 기반 dense 모델 (2024.12)
- KoE5Dense560MnDCG@10 0.7337multilingual-e5-large 기반 (2024.10)
성능
모델 유형별로 비교하세요. 검색 모델 (Dense, Late-Interaction, Sparse)은 MTEB(kor, v2) Retrieval 9개 태스크, Reranker는 한국어 9개 벤치마크 reranking 태스크의 평균 nDCG@10입니다.
KURE-v3는 Dense 모델 중 2위를 달성하며, 7배 큰 comsat-embed-ko-8b-preview·Qwen3-Embedding-8B보다도 성능이 높습니다.
업데이트
KURE-v3 / API 공개
KURE-Sparse-base / nano 공개
KURE-Reranker-base / nano 공개
KURE-v2 공개
KURE-v1 공개, MTEB-ko-retrieval 리더보드
KoE5, ko-triplet-v1.0 공개