Jina AI ReaderLM-v2 강화 출시: HTML에서 Markdown/JSON으로의 변환 품질이 향상되었으며, Agent 검색 기반이 업그레이드되었습니다.

Jina AI는 2026년 6월 ReaderLM-v2의 향상된 버전을 출시했습니다. 핵심은 Reader에서 HTML의 Markdown/JSON 변환 품질을 더 높은 수준으로 향상시키고 검색 관련 기능을 지속적으로 확장하는 것입니다. r.jina.ai와 s.jina.ai를 핵심으로 하는 Agent 검색 기반으로서 이번 업데이트는 RAG 시스템과 AI Agent의 웹 페이지 정보 획득 신뢰성 및 충실도와 직접적인 관련이 있습니다.

• 변환 품질 향상: ReaderLM-v2는 HTML에서 Markdown/JSON으로의 변환 정확도를 향상시켜 정보 손실과 구조적 혼란을 줄입니다.
• 검색 기능 확장: 에이전트의 실시간 정보 획득을 지원하기 위해 검색 엔드포인트가 지속적으로 향상됩니다.
• 구성요소화된 검색 기반: Reader, Embeddings, Reranker, DeepSearch 및 기타 기능을 독립적으로 자유롭게 조합하여 호출할 수 있습니다.
• LLM 친화적인 출력의 경우: 웹 페이지 콘텐츠를 LLM 친화적인 텍스트로 변환하는 것은 RAG 및 Agent의 핵심 전처리 레이어입니다.

버전 배경

Jina AI는 또 다른 벡터 데이터베이스나 검색 엔진이 아닌 '컴포넌트화된 검색'을 핵심 개념으로 하는 오픈 소스 검색 인프라 계층 집합으로 포지셔닝됩니다. 웹 페이지 읽기(Reader), 의미론적 벡터화(Embeddings), 관련성 재정렬(Reranker), 다중 모드 이해 및 심층 검색 추론(DeepSearch)을 독립적이고 자유롭게 결합하여 호출할 수 있는 API 모듈로 분해합니다. Reader API는 r.jina.ai URL 읽기 기능을 공개한 2023-01년 이후 계속해서 발전해 왔으며, ReaderLM-v2는 이러한 발전에서 변환 품질의 핵심 업그레이드입니다.

이번 버전의 하이라이트

ReaderLM-v2 변환 개선

• HTML을 마크다운으로: 웹페이지의 구조를 보다 정확하게 복원하고 탐색, 광고 등의 노이즈를 제거하고 텍스트의 의미를 유지합니다.
• HTML에서 JSON으로: 프로그래밍 방식의 소비 및 데이터 저장을 용이하게 하기 위해 페이지 정보를 구조적으로 추출합니다.
• 충실도 향상: 테이블, 코드 블록, 목록과 같은 복잡한 구조는 변환 중에 왜곡이 적어 다운스트림 구문 분석 비용이 절감됩니다.

검색 및 조회 구성요소

• s.jina.ai 검색: "검색-읽기" 폐쇄 루프를 완료하기 위해 Reader와 협력하는 에이전트 중심 실시간 검색 기능입니다.
• 임베딩 및 순위 재지정: 검색 품질을 향상시키기 위한 의미론적 벡터화 및 관련성 재배열.
• DeepSearch: 다단계 검색 시나리오를 지원하는 심층 검색 추론 기능입니다.

개발자에게 의미

업계 관점에서 Jina AI의 ReaderLM-v2 업그레이드는 에이전트 인프라에 대한 결정론적 요구 사항을 가리킵니다. 웹 페이지 정보는 에이전트의 가장 중요한 외부 데이터 소스 중 하나이며 "웹 페이지를 구조화된 텍스트로" 변환하는 품질이 RAG 애플리케이션의 응답 품질을 직접적으로 결정합니다. 국내 개발자의 경우 문서 질의응답, 정보 집계, 에이전트 애플리케이션 구축 시 먼저 '신뢰할 수 있는 웹 페이지 읽기'를 인프라로 연결한 뒤 벡터화 및 재배열을 추가할 수 있다는 뜻이다.

LlamaIndex와 같은 RAG 프레임워크 응용 프로그램을 구축하는 팀을 위해 Reader는 자체 구축된 크롤링 및 정리 작업 부하를 크게 줄일 수 있는 "웹 페이지 로더"의 고품질 구현을 제공합니다.

시작하기 위한 팁

• RAG 애플리케이션: 변환 품질로 인한 답변 정확도 향상을 확인하기 위해 자체 구축된 웹 페이지 구문 분석을 대체하기 위해 리더 엔드포인트를 사용합니다.
• 에이전트 개발 : s.jina.ai 검색과 ​​리더를 결합하여 "실시간 검색 - 웹페이지 열람 - 구조화된 출력"의 에이전트 정보 링크를 구축합니다.
• 평가 기준: 베이스의 품질은 '구조화된 변환의 정확성'과 '검색 결과의 관련성'이라는 두 가지 차원으로 측정됩니다.

앞으로 주목해야 할 방향

1. 변환 품질의 경계: 복잡한 동적 페이지, 크롤링 방지 페이지 및 다국어 콘텐츠의 변환 성능.
2. 실시간 검색 기능 성능: 실시간 성능 범위와 지역적 차이는 에이전트 구현 범위에 영향을 미칩니다.
3. 국내 검색 구성 요소 비교: 중국 웹 페이지 및 중국 검색 시나리오에서 국내 검색 솔루션과 실제 측정 비교.