Source: https://ailoot.ai/models/da/google-gemini-embedding-2-preview/ Canonical: https://ailoot.ai/models/da/google-gemini-embedding-2-preview/ Language: da # Google: Gemini Embedding 2 Preview [Markdown](https://ailoot.ai/models/da/google-gemini-embedding-2-preview/index.md) · [JSON](https://ailoot.ai/models/da/google-gemini-embedding-2-preview/facts.json) ## [Google: Gemini Embedding 2 Preview](https://ailoot.ai/models/da/google-gemini-embedding-2-preview/) Gemini Embedding 2 Preview omdanner tekst, billeder, lyd, video og PDF til numeriske vektorer i ét multimodalt rum. Dens særskilt dokumenterede preview-profil understøtter søgning og sammenligning på tværs af modaliteter, et input på 8.192 tokens og fleksible vektordimensioner. - [**Ailoot Ultra · Vektorrepræsentationer** `POST /v1/embeddings` `google/gemini-embedding-2-preview`](https://ailoot.ai/models/da/google-gemini-embedding-2-preview/#method-0) Om modellen Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode. Gemini Embedding 2 Preview er Googles navngivne preview-udgave af virksomhedens oprindeligt multimodale embeddingfamilie. Den afbilder tekst, billeder, video, lyd og PDF i et fælles numerisk rum, hvor semantisk hensigt repræsenteres på mere end 100 sprog. Outputtet er embeddings: vektorer, der bruges til at sammenligne og finde beslægtet materiale. Denne preview-identitet er adskilt fra den stabile Gemini Embedding 2-udgave og indebærer ikke udskiftelige vægte eller et identisk vektorrum. Den oprindelige annoncering beskriver søgning på tværs af modaliteter, klassifikation, klyngedannelse, sentimentanalyse og generering suppleret med hentede kilder som efterfølgende anvendelser. En tekstforespørgsel kan finde et relevant visuelt element, mens et billede eller et klip også kan fungere som søgegrundlag. En applikation lagrer repræsentationerne, sammenligner dem og returnerer de tilhørende poster; en separat sprogmodel kan bruge det hentede kildemateriale til at udforme et svar. Selve embeddingvektoren indeholder hverken en forklaring på naturligt sprog eller en transskription. Modellens egen side dokumenterer en inputgrænse på 8.192 tokens og outputdimensioner fra 128 til 3.072 med 768, 1.536 og 3.072 som anbefalede størrelser. Preview-annonceringen angiver 3.072 som standard og beskriver Matryoshka Representation Learning, der bevarer nyttig information i kortere præfikser af repræsentationen. Brug én valgt dimension til vektorer, der skal sammenlignes, og registrer modeludgaven sammen med samlingen, frem for at sammenblande repræsentationer, blot fordi deres længder er ens. Preview-annonceringen dokumenterer op til seks PNG- eller JPEG-billeder pr. forespørgsel, op til 120 sekunders MP4- eller MOV-video og PDF-dokumenter på op til seks sider. Den dokumenterer også direkte lydembeddings uden en mellemliggende teksttransskription. Disse specifikationer kommer fra preview-udgavens egen annoncering, ikke fra den senere stabile vejledning. Annonceringen fastslår ikke alle aktuelle grænser for lydvarighed, codecs eller udvælgelse af videoframes for netop denne preview-profil. Indflettet multimodalt input lader repræsentationen afspejle sammenhænge mellem medier, eksempelvis et billede og dets billedtekst. Til et produktkatalog skal fotografiet og den godkendte beskrivelse leveres sammen, når de beskriver ét objekt, som skal kunne findes. Til en dokumentsamling opdeles kilden i afgrænsede tekstpassager eller sider, og titel og placering bevares. Til et mediebibliotek vælges et klip, der svarer til den hændelse, brugerne skal finde, og dets oprindelige tidsinterval gemmes sammen med posten. En nyttig søgeopgave gør den tilsigtede sammenhæng tydelig. Et spørgsmål, der søger en forklaring, en søgning efter visuelt lignende elementer og klyngedannelse efter emne er forskellige opgaver, selv når de bruger den samme kildesamling. Forbered indholdet konsekvent, registrer udgave og dimension, og hold hver vektor knyttet til sin kilde. Lighed giver kandidater, som applikationen kan undersøge; den beviser ikke, at to poster angiver den samme kendsgerning, eller at en fundet kilde besvarer et spørgsmål fuldt ud. Til praktisk mediesøgning repræsenteres det valgte billede eller videoudsnit og sammenlignes med beskrivelsen af det ønskede indhold. Vis den matchende kilde sammen med dens billedtekst eller tidsinterval, så brugeren kan gennemgå den. Til en vidensassistent hentes den relevante side eller passage, før det skriftlige svar genereres. Preview-modellens rolle er den multimodale numeriske repræsentation, der understøtter disse udvælgelsestrin, mens lagring, rangeringsregler og det endelige svar hører til det omgivende arbejdsforløb. **Ailoot Ultra · Vektorrepræsentationer** `POST /v1/embeddings` `google/gemini-embedding-2-preview` [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) Google /`google/gemini-embedding-2-preview` ### Start Gemini Embedding 2 Preview omdanner tekst, billeder, lyd, video og PDF til numeriske vektorer i ét multimodalt rum. Dens særskilt dokumenterede preview-profil understøtter søgning og sammenligning på tværs af modaliteter, et input på 8.192 tokens og fleksible vektordimensioner. Accepterede input Tekst Resultater embedding ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · Vektorrepræsentationer** `POST /v1/embeddings` Inputtyper `text` Outputtyper `embedding` Kontekst 8.192 tokens Outputformat json | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser google/gemini-embedding-2-preview | Standard— | | Felt`input` | Type`string\|string[]` | KravPåkrævet | Værdier og grænser | Standard— | Kombinationer af inputmaterialer **text\_to\_embedding** Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, input | | Parameter`input_shapes` | Kontraktstring, string\[\] | | Parameter`material_types` | Kontrakttext | Livscyklus: `synchronous_json` Behold hver returneret vektor og hvert indeks. Der udledes ingen understøttelse af billeder, lyd eller filobjekter af denne minimale tekstprofil. ### Priser Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Ikke angivet Når hurtig tilstand er valgt flex-tilstand Ikke angivet Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats #### Ailoot-takster #### Priser efter konfiguration | Konfiguration | Takstplan | Beløb | | --- | --- | --- | | KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens **$0.0004** / 1K tokens Output · Outputtokens **$0** / 1K tokens Input · Cachelæsning **—** / 1K tokens Input · Cacheskrivning **—** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · Vektorrepræsentationer Komplet minimalt requestbody i JSONcurl · minimale tekstembeddings ```json { "model": "google/gemini-embedding-2-preview", "input": [ "First document", "Second document" ] } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" cat > embedding-request.json <<'JSON_REQUEST' { "model": "google/gemini-embedding-2-preview", "input": [ "First document", "Second document" ] } JSON_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @embedding-request.json -o embedding-response.json ``` ### Hent og gem resultater #### Ailoot Ultra · Vektorrepræsentationer json ##### Behold alle færdige resultater Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel. Gem hver vektor med dens indeks. Antallet af vektorer skal svare til antallet af input; dimensionerne skal være ensartede. ##### Hvis det oprindelige svar skal kontrolleres Der indføres intet endpoint til embedding-job. Svarfelter | Felt | Type | | --- | --- | | Felt`object` | Typestring | | Felt`model` | Typestring | | Felt`data[].index` | Typeinteger | | Felt`data[].embedding` | Typefinite float\[\] | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseManglende model eller forkert formateret JSON. | Næste trinRet de angivne felter. | | Svar413 · `invalid_request_error` | BetingelseDen konfigurerede grænse for indholdets størrelse er overskredet. | Næste trinReducér det faktiske materiale. | | Svar422 · `invalid_request_error` | BetingelseInput eller kontrolparametre overtræder den aktuelle særskilte politik. | Næste trinBrug det viste minimale tekstinput uden nedarvede kontrolparametre. | | Svar503 · `billing_error` | BetingelseAdgangstilladelsen eller pristilbuddet kan ikke knyttes til forespørgslen. | Næste trinBehold svaret; erstat ikke en politik med en anden. | ### Aliaser #### Modelaliaser **Ailoot Ultra** [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) FAQ · Google: Gemini Embedding 2 Preview Hvilke input og resultater er tilgængelige? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `text` → `embedding` Hvilke felter bruger anmodningen? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `model`, `input` Hvilke grænser gælder? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `ctx`: `8192` Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation. ## Virksomheden og dens projektportefølje Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. ## Køb tokens med rabat. Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb. Abonnement Vælg et abonnement med rabat til dine regelmæssige anmodninger. Rabatkode på op til 50% Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne. Udgifter i historikken Model, tokens og beløb gemmes for hver anmodning. [Vælg abonnement](https://ailoot.ai/docs/da/billing/subscriptions/) · [Se modelpriser](https://ailoot.ai/models/da/) ## Tilslut API’et til produktet, du sælger. SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg. Kommerciel applikation Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner. Licens til forhandlere Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg. Dokumenter på websitet Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning. [Anmod om forhandlerlicens](mailto:support@ailoot.ai) · [Tilbudsvilkår og licensaftale](https://ailoot.ai/legal/offer?lang=da) ## Ailoot · Virksomheden og dens projektportefølje Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI. Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.