{
  "aboutHtml": "<p>Το Gemini Embedding 2 Preview είναι η ονομασμένη έκδοση Preview της εγγενούς πολυτροπικής οικογένειας embeddings της Google. Αντιστοιχίζει το κείμενο, τις εικόνες, το βίντεο, τον ήχο και τα PDF σε κοινό αριθμητικό χώρο, με σημασιολογική πρόθεση αναπαριστώμενη σε περισσότερες από 100 γλώσσες. Η έξοδος είναι embeddings: διανύσματα που χρησιμοποιούνται για σύγκριση και ανάκτηση σχετικού υλικού. Αυτή η ταυτότητα Preview παραμένει χωριστή από τη σταθερή έκδοση Gemini Embedding 2 και δεν συνεπάγεται εναλλάξιμα βάρη ή ταυτόσημο διανυσματικό χώρο.</p><p>Η αρχική ανακοίνωση περιγράφει διατροπική αναζήτηση, ταξινόμηση, ομαδοποίηση, ανάλυση συναισθήματος και παραγωγή ενισχυμένη με ανάκτηση ως μεταγενέστερες εφαρμογές. Ένα ερώτημα κειμένου μπορεί να βρίσκει σχετικό οπτικό στοιχείο, ενώ μια εικόνα ή ένα απόσπασμα μπορεί επίσης να λειτουργεί ως πηγή αναζήτησης. Μια εφαρμογή αποθηκεύει τις αναπαραστάσεις, τις συγκρίνει και επιστρέφει τις αντίστοιχες εγγραφές· ένα χωριστό μοντέλο γλώσσας μπορεί να χρησιμοποιεί το ανακτημένο υλικό πηγής για σύνταξη απάντησης. Το ίδιο το embedding δεν περιέχει εξήγηση φυσικής γλώσσας ή απομαγνητοφώνηση.</p><p>Η δική του σελίδα μοντέλου τεκμηριώνει όριο εισόδου 8192 tokens και διαστάσεις εξόδου από 128 έως 3072, με προτεινόμενα μεγέθη 768, 1536 και 3072. Η ανακοίνωση Preview δίνει προεπιλογή 3072 και περιγράφει Matryoshka Representation Learning, που κρατά χρήσιμη πληροφορία σε μικρότερα προθέματα της αναπαράστασης. Κρατήστε μία επιλεγμένη διάσταση για διανύσματα που πρέπει να συγκριθούν και διατηρήστε την έκδοση μοντέλου μαζί με τη συλλογή αντί να συγχωνεύετε αναπαραστάσεις απλώς επειδή ταιριάζουν τα μήκη τους.</p><p>Η ανακοίνωση Preview τεκμηριώνει έως έξι εικόνες PNG ή JPEG ανά αίτημα, έως 120 δευτερόλεπτα βίντεο MP4 ή MOV και έγγραφα PDF έως έξι σελίδες. Τεκμηριώνει επίσης άμεσο embedding ήχου χωρίς ενδιάμεση μεταγραφή σε κείμενο. Αυτές οι προδιαγραφές προέρχονται από την ίδια την ανακοίνωση Preview, όχι από τον μεταγενέστερο σταθερό οδηγό. Η ανακοίνωση δεν καθορίζει κάθε τρέχον όριο διάρκειας ήχου, codec ή δειγματοληψίας καρέ για αυτό το ακριβές προφίλ Preview.</p><p>Η εναλλασσόμενη πολυτροπική είσοδος επιτρέπει στην αναπαράσταση να αντανακλά σχέσεις μεταξύ μέσων, όπως εικόνα και λεζάντα. Για κατάλογο προϊόντων, δώστε τη φωτογραφία και την εγκεκριμένη περιγραφή μαζί όταν περιγράφουν ένα ανακτήσιμο αντικείμενο. Για συλλογή εγγράφων, διαιρέστε την πηγή σε εστιασμένα αποσπάσματα ή σελίδες και διατηρήστε τον τίτλο και τη θέση της. Για βιβλιοθήκη μέσων, επιλέξτε απόσπασμα που αντιστοιχεί στο γεγονός που πρέπει να βρίσκουν οι χρήστες και κρατήστε το αρχικό χρονικό διάστημά του με την αποθηκευμένη εγγραφή.</p><p>Μια χρήσιμη εργασία ανάκτησης κάνει σαφή την επιδιωκόμενη σχέση. Ένα ερώτημα που αναζητά εξήγηση, μια αναζήτηση οπτικά παρόμοιων στοιχείων και η ομαδοποίηση ανά θέμα είναι διαφορετικές εργασίες ακόμη και όταν χρησιμοποιούν την ίδια συλλογή πηγής. Προετοιμάστε το περιεχόμενο με συνέπεια, καταγράψτε την έκδοση και τη διάσταση και κρατήστε κάθε διάνυσμα συνδεδεμένο με την πηγή του. Η ομοιότητα παρέχει υποψηφίους για εξέταση από την εφαρμογή· δεν αποδεικνύει ότι δύο εγγραφές δηλώνουν το ίδιο γεγονός ή ότι ανακτημένη πηγή απαντά πλήρως σε ερώτημα.</p><p>Για πρακτική αναζήτηση μέσων, αναπαραστήστε την επιλεγμένη εικόνα ή το απόσπασμα βίντεο και συγκρίνετέ τα με την περιγραφή του επιθυμητού περιεχομένου. Παρουσιάστε την αντίστοιχη πηγή μαζί με τη λεζάντα ή το χρονικό διάστημά της ώστε ο χρήστης να την ελέγχει. Για βοηθό γνώσης, ανακτήστε τη σχετική σελίδα ή το απόσπασμα πριν παράγετε τη γραπτή απόκριση. Ο ρόλος του μοντέλου Preview είναι η πολυτροπική αριθμητική αναπαράσταση που υποστηρίζει αυτά τα βήματα επιλογής, ενώ η αποθήκευση, οι κανόνες κατάταξης και η τελική απάντηση παραμένουν μέρη της περιβάλλουσας ροής εργασίας.</p>",
  "aboutText": "Το Gemini Embedding 2 Preview είναι η ονομασμένη έκδοση Preview της εγγενούς πολυτροπικής οικογένειας embeddings της Google. Αντιστοιχίζει το κείμενο, τις εικόνες, το βίντεο, τον ήχο και τα PDF σε κοινό αριθμητικό χώρο, με σημασιολογική πρόθεση αναπαριστώμενη σε περισσότερες από 100 γλώσσες. Η έξοδος είναι embeddings: διανύσματα που χρησιμοποιούνται για σύγκριση και ανάκτηση σχετικού υλικού. Αυτή η ταυτότητα Preview παραμένει χωριστή από τη σταθερή έκδοση Gemini Embedding 2 και δεν συνεπάγεται εναλλάξιμα βάρη ή ταυτόσημο διανυσματικό χώρο.\n\nΗ αρχική ανακοίνωση περιγράφει διατροπική αναζήτηση, ταξινόμηση, ομαδοποίηση, ανάλυση συναισθήματος και παραγωγή ενισχυμένη με ανάκτηση ως μεταγενέστερες εφαρμογές. Ένα ερώτημα κειμένου μπορεί να βρίσκει σχετικό οπτικό στοιχείο, ενώ μια εικόνα ή ένα απόσπασμα μπορεί επίσης να λειτουργεί ως πηγή αναζήτησης. Μια εφαρμογή αποθηκεύει τις αναπαραστάσεις, τις συγκρίνει και επιστρέφει τις αντίστοιχες εγγραφές· ένα χωριστό μοντέλο γλώσσας μπορεί να χρησιμοποιεί το ανακτημένο υλικό πηγής για σύνταξη απάντησης. Το ίδιο το embedding δεν περιέχει εξήγηση φυσικής γλώσσας ή απομαγνητοφώνηση.\n\nΗ δική του σελίδα μοντέλου τεκμηριώνει όριο εισόδου 8192 tokens και διαστάσεις εξόδου από 128 έως 3072, με προτεινόμενα μεγέθη 768, 1536 και 3072. Η ανακοίνωση Preview δίνει προεπιλογή 3072 και περιγράφει Matryoshka Representation Learning, που κρατά χρήσιμη πληροφορία σε μικρότερα προθέματα της αναπαράστασης. Κρατήστε μία επιλεγμένη διάσταση για διανύσματα που πρέπει να συγκριθούν και διατηρήστε την έκδοση μοντέλου μαζί με τη συλλογή αντί να συγχωνεύετε αναπαραστάσεις απλώς επειδή ταιριάζουν τα μήκη τους.\n\nΗ ανακοίνωση Preview τεκμηριώνει έως έξι εικόνες PNG ή JPEG ανά αίτημα, έως 120 δευτερόλεπτα βίντεο MP4 ή MOV και έγγραφα PDF έως έξι σελίδες. Τεκμηριώνει επίσης άμεσο embedding ήχου χωρίς ενδιάμεση μεταγραφή σε κείμενο. Αυτές οι προδιαγραφές προέρχονται από την ίδια την ανακοίνωση Preview, όχι από τον μεταγενέστερο σταθερό οδηγό. Η ανακοίνωση δεν καθορίζει κάθε τρέχον όριο διάρκειας ήχου, codec ή δειγματοληψίας καρέ για αυτό το ακριβές προφίλ Preview.\n\nΗ εναλλασσόμενη πολυτροπική είσοδος επιτρέπει στην αναπαράσταση να αντανακλά σχέσεις μεταξύ μέσων, όπως εικόνα και λεζάντα. Για κατάλογο προϊόντων, δώστε τη φωτογραφία και την εγκεκριμένη περιγραφή μαζί όταν περιγράφουν ένα ανακτήσιμο αντικείμενο. Για συλλογή εγγράφων, διαιρέστε την πηγή σε εστιασμένα αποσπάσματα ή σελίδες και διατηρήστε τον τίτλο και τη θέση της. Για βιβλιοθήκη μέσων, επιλέξτε απόσπασμα που αντιστοιχεί στο γεγονός που πρέπει να βρίσκουν οι χρήστες και κρατήστε το αρχικό χρονικό διάστημά του με την αποθηκευμένη εγγραφή.\n\nΜια χρήσιμη εργασία ανάκτησης κάνει σαφή την επιδιωκόμενη σχέση. Ένα ερώτημα που αναζητά εξήγηση, μια αναζήτηση οπτικά παρόμοιων στοιχείων και η ομαδοποίηση ανά θέμα είναι διαφορετικές εργασίες ακόμη και όταν χρησιμοποιούν την ίδια συλλογή πηγής. Προετοιμάστε το περιεχόμενο με συνέπεια, καταγράψτε την έκδοση και τη διάσταση και κρατήστε κάθε διάνυσμα συνδεδεμένο με την πηγή του. Η ομοιότητα παρέχει υποψηφίους για εξέταση από την εφαρμογή· δεν αποδεικνύει ότι δύο εγγραφές δηλώνουν το ίδιο γεγονός ή ότι ανακτημένη πηγή απαντά πλήρως σε ερώτημα.\n\nΓια πρακτική αναζήτηση μέσων, αναπαραστήστε την επιλεγμένη εικόνα ή το απόσπασμα βίντεο και συγκρίνετέ τα με την περιγραφή του επιθυμητού περιεχομένου. Παρουσιάστε την αντίστοιχη πηγή μαζί με τη λεζάντα ή το χρονικό διάστημά της ώστε ο χρήστης να την ελέγχει. Για βοηθό γνώσης, ανακτήστε τη σχετική σελίδα ή το απόσπασμα πριν παράγετε τη γραπτή απόκριση. Ο ρόλος του μοντέλου Preview είναι η πολυτροπική αριθμητική αναπαράσταση που υποστηρίζει αυτά τα βήματα επιλογής, ενώ η αποθήκευση, οι κανόνες κατάταξης και η τελική απάντηση παραμένουν μέρη της περιβάλλουσας ροής εργασίας.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "d61abf681ad3254666748b60a7e1a3d815842024d7108bc394c2c70544448f30",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">G</span><h2 id=\"sheet-title\">Google: Gemini Embedding 2 Preview</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>Google /</span><code>google/gemini-embedding-2-preview</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|google%2Fgemini-embedding-2-preview\">Διανυσματικές αναπαραστάσεις</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Gemini Embedding 2 Preview μετατρέπει κείμενο, εικόνες, ήχο, βίντεο και PDF σε αριθμητικά διανύσματα σε έναν πολυτροπικό χώρο. Το χωριστά τεκμηριωμένο προφίλ Preview υποστηρίζει διατροπική ανάκτηση και σύγκριση, είσοδο 8192 tokens και ευέλικτες διαστάσεις διανυσμάτων.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Κείμενο</dd></div><div><dt>Αποτελέσματα</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Gemini Embedding 2 Preview είναι η ονομασμένη έκδοση Preview της εγγενούς πολυτροπικής οικογένειας embeddings της Google. Αντιστοιχίζει το κείμενο, τις εικόνες, το βίντεο, τον ήχο και τα PDF σε κοινό αριθμητικό χώρο, με σημασιολογική πρόθεση αναπαριστώμενη σε περισσότερες από 100 γλώσσες. Η έξοδος είναι embeddings: διανύσματα που χρησιμοποιούνται για σύγκριση και ανάκτηση σχετικού υλικού. Αυτή η ταυτότητα Preview παραμένει χωριστή από τη σταθερή έκδοση Gemini Embedding 2 και δεν συνεπάγεται εναλλάξιμα βάρη ή ταυτόσημο διανυσματικό χώρο.</p><p>Η αρχική ανακοίνωση περιγράφει διατροπική αναζήτηση, ταξινόμηση, ομαδοποίηση, ανάλυση συναισθήματος και παραγωγή ενισχυμένη με ανάκτηση ως μεταγενέστερες εφαρμογές. Ένα ερώτημα κειμένου μπορεί να βρίσκει σχετικό οπτικό στοιχείο, ενώ μια εικόνα ή ένα απόσπασμα μπορεί επίσης να λειτουργεί ως πηγή αναζήτησης. Μια εφαρμογή αποθηκεύει τις αναπαραστάσεις, τις συγκρίνει και επιστρέφει τις αντίστοιχες εγγραφές· ένα χωριστό μοντέλο γλώσσας μπορεί να χρησιμοποιεί το ανακτημένο υλικό πηγής για σύνταξη απάντησης. Το ίδιο το embedding δεν περιέχει εξήγηση φυσικής γλώσσας ή απομαγνητοφώνηση.</p><p>Η δική του σελίδα μοντέλου τεκμηριώνει όριο εισόδου 8192 tokens και διαστάσεις εξόδου από 128 έως 3072, με προτεινόμενα μεγέθη 768, 1536 και 3072. Η ανακοίνωση Preview δίνει προεπιλογή 3072 και περιγράφει Matryoshka Representation Learning, που κρατά χρήσιμη πληροφορία σε μικρότερα προθέματα της αναπαράστασης. Κρατήστε μία επιλεγμένη διάσταση για διανύσματα που πρέπει να συγκριθούν και διατηρήστε την έκδοση μοντέλου μαζί με τη συλλογή αντί να συγχωνεύετε αναπαραστάσεις απλώς επειδή ταιριάζουν τα μήκη τους.</p><p>Η ανακοίνωση Preview τεκμηριώνει έως έξι εικόνες PNG ή JPEG ανά αίτημα, έως 120 δευτερόλεπτα βίντεο MP4 ή MOV και έγγραφα PDF έως έξι σελίδες. Τεκμηριώνει επίσης άμεσο embedding ήχου χωρίς ενδιάμεση μεταγραφή σε κείμενο. Αυτές οι προδιαγραφές προέρχονται από την ίδια την ανακοίνωση Preview, όχι από τον μεταγενέστερο σταθερό οδηγό. Η ανακοίνωση δεν καθορίζει κάθε τρέχον όριο διάρκειας ήχου, codec ή δειγματοληψίας καρέ για αυτό το ακριβές προφίλ Preview.</p><p>Η εναλλασσόμενη πολυτροπική είσοδος επιτρέπει στην αναπαράσταση να αντανακλά σχέσεις μεταξύ μέσων, όπως εικόνα και λεζάντα. Για κατάλογο προϊόντων, δώστε τη φωτογραφία και την εγκεκριμένη περιγραφή μαζί όταν περιγράφουν ένα ανακτήσιμο αντικείμενο. Για συλλογή εγγράφων, διαιρέστε την πηγή σε εστιασμένα αποσπάσματα ή σελίδες και διατηρήστε τον τίτλο και τη θέση της. Για βιβλιοθήκη μέσων, επιλέξτε απόσπασμα που αντιστοιχεί στο γεγονός που πρέπει να βρίσκουν οι χρήστες και κρατήστε το αρχικό χρονικό διάστημά του με την αποθηκευμένη εγγραφή.</p><p>Μια χρήσιμη εργασία ανάκτησης κάνει σαφή την επιδιωκόμενη σχέση. Ένα ερώτημα που αναζητά εξήγηση, μια αναζήτηση οπτικά παρόμοιων στοιχείων και η ομαδοποίηση ανά θέμα είναι διαφορετικές εργασίες ακόμη και όταν χρησιμοποιούν την ίδια συλλογή πηγής. Προετοιμάστε το περιεχόμενο με συνέπεια, καταγράψτε την έκδοση και τη διάσταση και κρατήστε κάθε διάνυσμα συνδεδεμένο με την πηγή του. Η ομοιότητα παρέχει υποψηφίους για εξέταση από την εφαρμογή· δεν αποδεικνύει ότι δύο εγγραφές δηλώνουν το ίδιο γεγονός ή ότι ανακτημένη πηγή απαντά πλήρως σε ερώτημα.</p><p>Για πρακτική αναζήτηση μέσων, αναπαραστήστε την επιλεγμένη εικόνα ή το απόσπασμα βίντεο και συγκρίνετέ τα με την περιγραφή του επιθυμητού περιεχομένου. Παρουσιάστε την αντίστοιχη πηγή μαζί με τη λεζάντα ή το χρονικό διάστημά της ώστε ο χρήστης να την ελέγχει. Για βοηθό γνώσης, ανακτήστε τη σχετική σελίδα ή το απόσπασμα πριν παράγετε τη γραπτή απόκριση. Ο ρόλος του μοντέλου Preview είναι η πολυτροπική αριθμητική αναπαράσταση που υποστηρίζει αυτά τα βήματα επιλογής, ενώ η αποθήκευση, οι κανόνες κατάταξης και η τελική απάντηση παραμένουν μέρη της περιβάλλουσας ροής εργασίας.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Διανυσματικές αναπαραστάσεις</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>text</code></dd></div><div><dt>Έξοδος</dt><dd><code>embedding</code></dd></div><div><dt>Παράθυρο συμφραζομένων</dt><dd>8.192 tokens</dd></div><div><dt>Μορφή εξόδου</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>google/gemini-embedding-2-preview</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string|string[]</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Συνδυασμοί υλικών εισόδου</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, input</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>input_shapes</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>string, string[]</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>text</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_json</code></p><p class=\"note-s\">Διατηρήστε κάθε διάνυσμα και δείκτη που επιστρέφεται.</p><p class=\"note-s\">Από αυτό το ελάχιστο προφίλ κειμένου δεν συνάγεται υποστήριξη εικόνας, ήχου ή αντικειμένων αρχείου.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Χρεώσεις Ailoot</h4><h4>Τιμές ανά διαμόρφωση</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις ανά token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Διανυσματικές αναπαραστάσεις</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-1488-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1488-panel-0\" aria-selected=\"true\" tabindex=\"0\">Πλήρες ελάχιστο σώμα JSON</button><button class=\"cg-tab\" id=\"model-code-1488-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1488-panel-1\" aria-selected=\"false\" tabindex=\"-1\">curl · ελάχιστο αίτημα για ενσωματώσεις κειμένου</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1488-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1488-tab-0\"><pre data-lang=\"json\"><code>{\n  &quot;model&quot;: &quot;google/gemini-embedding-2-preview&quot;,\n  &quot;input&quot;: [\n    &quot;First document&quot;,\n    &quot;Second document&quot;\n  ]\n}</code></pre></div><div class=\"cg-pane\" id=\"model-code-1488-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1488-tab-1\" hidden><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncat &gt; embedding-request.json &lt;&lt;&#39;JSON_REQUEST&#39;\n{\n  &quot;model&quot;: &quot;google/gemini-embedding-2-preview&quot;,\n  &quot;input&quot;: [\n    &quot;First document&quot;,\n    &quot;Second document&quot;\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @embedding-request.json -o embedding-response.json\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Διανυσματικές αναπαραστάσεις</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.</p></div><details class=\"card-about\" data-output-fields><summary>Πεδία απάντησης</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Πεδίο</th><th>Τύπος</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>string</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>string</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>integer</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>finite float[]</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Σφάλματα και επόμενα βήματα</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Απάντηση</th><th>Συνθήκη</th><th>Επόμενο βήμα</th></tr></thead><tbody><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Λείπει το μοντέλο ή το JSON έχει λανθασμένη σύνταξη.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διορθώστε τα υποδεικνυόμενα πεδία.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>413 · <code>invalid_request_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Υπέρβαση του ρυθμισμένου ορίου μεγέθους σώματος.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Μειώστε το πραγματικό υλικό.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>422 · <code>invalid_request_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Η είσοδος ή οι παράμετροι ελέγχου παραβιάζουν την ισχύουσα ειδική πολιτική.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Χρησιμοποιήστε την εμφανιζόμενη ελάχιστη είσοδο κειμένου χωρίς κληρονομημένες παραμέτρους ελέγχου.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>503 · <code>billing_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Δεν μπορεί να συσχετιστεί η άδεια πρόσβασης ή η προσφορά τιμής.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε την απόκριση· μην αντικαταστήσετε την πολιτική.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=google%2Fgemini-embedding-2-preview&amp;route=Ultra&amp;caller=google%2Fgemini-embedding-2-preview&amp;fmt=embeddings\"><code>google/gemini-embedding-2-preview</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=google%2Fgemini-embedding-2-preview&amp;route=Ultra&amp;caller=google%2Fgemini-embedding-2-preview&amp;fmt=embeddings\"><code>google/gemini-embedding-2-preview</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "google/gemini-embedding-2-preview",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|google%2Fgemini-embedding-2-preview",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Λείπει το μοντέλο ή το JSON έχει λανθασμένη σύνταξη.",
                "http_status": 400,
                "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Υπέρβαση του ρυθμισμένου ορίου μεγέθους σώματος.",
                "http_status": 413,
                "recovery": "Μειώστε το πραγματικό υλικό.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Η είσοδος ή οι παράμετροι ελέγχου παραβιάζουν την ισχύουσα ειδική πολιτική.",
                "http_status": 422,
                "recovery": "Χρησιμοποιήστε την εμφανιζόμενη ελάχιστη είσοδο κειμένου χωρίς κληρονομημένες παραμέτρους ελέγχου.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Δεν μπορεί να συσχετιστεί η άδεια πρόσβασης ή η προσφορά τιμής.",
                "http_status": 503,
                "recovery": "Διατηρήστε την απόκριση· μην αντικαταστήσετε την πολιτική.",
                "type": "billing_error"
              }
            ],
            "example_body": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Δεν εισάγεται endpoint εργασιών ενσωμάτωσης."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "google/gemini-embedding-2-preview"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              }
            ],
            "profile_binding": "Minimal current Source subset: only model and text input. Optional controls and another model dimensions/token limits are not inherited.",
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "google/gemini-embedding-2-preview"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "unsupported": [
              "image/audio/file objects in this minimal text profile",
              "dimensions (current Native43 supports_dimensions:false)",
              "foreign model-specific dimensions or token limits"
            ]
          },
          "hints": [
            "Διατηρήστε κάθε διάνυσμα και δείκτη που επιστρέφεται.",
            "Από αυτό το ελάχιστο προφίλ κειμένου δεν συνάγεται υποστήριξη εικόνας, ήχου ή αντικειμένων αρχείου."
          ],
          "input": {
            "content_type": "application/json",
            "input_shapes": [
              "string",
              "string[]"
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "Keep every vector, index, model and usage field. Current dedicated Source validates count, finite float elements and consistent actual dimensions."
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Βασικές χρεώσεις ανά token",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}",
            "label": "Complete minimal JSON body",
            "language": "json"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > embedding-request.json <<'JSON_REQUEST'\n{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @embedding-request.json -o embedding-response.json\n",
            "label": "curl · minimal text embeddings",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Διανυσματικές αναπαραστάσεις",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "google/gemini-embedding-2-preview",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "3ff0991ae1d1ca555530b0e9acf51c4291921d78d1d2f9e59670845438b996e3",
    "input_html_sha256": "f34312b496e817b4d3704e8985008cae319af18b0a61819feb828d277ca44793",
    "private_audit_sha256": "842a683d827e1f5690e7cc583f0aeccde9693688371d403bd891ba6893df78b6",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/google-gemini-embedding-2-preview/",
    "description": "Το Gemini Embedding 2 Preview μετατρέπει κείμενο, εικόνες, ήχο, βίντεο και PDF σε αριθμητικά διανύσματα σε έναν πολυτροπικό χώρο. Το χωριστά τεκμηριωμένο προφίλ Preview υποστηρίζει διατροπική ανάκτηση και σύγκριση, είσοδο 8192 tokens και ευέλικτες διαστάσεις διανυσμάτων.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/google-gemini-embedding-2-preview/index.md",
    "title": "Google: Gemini Embedding 2 Preview — Ailoot",
    "url": "https://ailoot.ai/models/el/google-gemini-embedding-2-preview/"
  },
  "rawModel": {
    "about": "Το Gemini Embedding 2 Preview είναι η ονομασμένη έκδοση Preview της εγγενούς πολυτροπικής οικογένειας embeddings της Google. Αντιστοιχίζει το κείμενο, τις εικόνες, το βίντεο, τον ήχο και τα PDF σε κοινό αριθμητικό χώρο, με σημασιολογική πρόθεση αναπαριστώμενη σε περισσότερες από 100 γλώσσες. Η έξοδος είναι embeddings: διανύσματα που χρησιμοποιούνται για σύγκριση και ανάκτηση σχετικού υλικού. Αυτή η ταυτότητα Preview παραμένει χωριστή από τη σταθερή έκδοση Gemini Embedding 2 και δεν συνεπάγεται εναλλάξιμα βάρη ή ταυτόσημο διανυσματικό χώρο.\n\nΗ αρχική ανακοίνωση περιγράφει διατροπική αναζήτηση, ταξινόμηση, ομαδοποίηση, ανάλυση συναισθήματος και παραγωγή ενισχυμένη με ανάκτηση ως μεταγενέστερες εφαρμογές. Ένα ερώτημα κειμένου μπορεί να βρίσκει σχετικό οπτικό στοιχείο, ενώ μια εικόνα ή ένα απόσπασμα μπορεί επίσης να λειτουργεί ως πηγή αναζήτησης. Μια εφαρμογή αποθηκεύει τις αναπαραστάσεις, τις συγκρίνει και επιστρέφει τις αντίστοιχες εγγραφές· ένα χωριστό μοντέλο γλώσσας μπορεί να χρησιμοποιεί το ανακτημένο υλικό πηγής για σύνταξη απάντησης. Το ίδιο το embedding δεν περιέχει εξήγηση φυσικής γλώσσας ή απομαγνητοφώνηση.\n\nΗ δική του σελίδα μοντέλου τεκμηριώνει όριο εισόδου 8192 tokens και διαστάσεις εξόδου από 128 έως 3072, με προτεινόμενα μεγέθη 768, 1536 και 3072. Η ανακοίνωση Preview δίνει προεπιλογή 3072 και περιγράφει Matryoshka Representation Learning, που κρατά χρήσιμη πληροφορία σε μικρότερα προθέματα της αναπαράστασης. Κρατήστε μία επιλεγμένη διάσταση για διανύσματα που πρέπει να συγκριθούν και διατηρήστε την έκδοση μοντέλου μαζί με τη συλλογή αντί να συγχωνεύετε αναπαραστάσεις απλώς επειδή ταιριάζουν τα μήκη τους.\n\nΗ ανακοίνωση Preview τεκμηριώνει έως έξι εικόνες PNG ή JPEG ανά αίτημα, έως 120 δευτερόλεπτα βίντεο MP4 ή MOV και έγγραφα PDF έως έξι σελίδες. Τεκμηριώνει επίσης άμεσο embedding ήχου χωρίς ενδιάμεση μεταγραφή σε κείμενο. Αυτές οι προδιαγραφές προέρχονται από την ίδια την ανακοίνωση Preview, όχι από τον μεταγενέστερο σταθερό οδηγό. Η ανακοίνωση δεν καθορίζει κάθε τρέχον όριο διάρκειας ήχου, codec ή δειγματοληψίας καρέ για αυτό το ακριβές προφίλ Preview.\n\nΗ εναλλασσόμενη πολυτροπική είσοδος επιτρέπει στην αναπαράσταση να αντανακλά σχέσεις μεταξύ μέσων, όπως εικόνα και λεζάντα. Για κατάλογο προϊόντων, δώστε τη φωτογραφία και την εγκεκριμένη περιγραφή μαζί όταν περιγράφουν ένα ανακτήσιμο αντικείμενο. Για συλλογή εγγράφων, διαιρέστε την πηγή σε εστιασμένα αποσπάσματα ή σελίδες και διατηρήστε τον τίτλο και τη θέση της. Για βιβλιοθήκη μέσων, επιλέξτε απόσπασμα που αντιστοιχεί στο γεγονός που πρέπει να βρίσκουν οι χρήστες και κρατήστε το αρχικό χρονικό διάστημά του με την αποθηκευμένη εγγραφή.\n\nΜια χρήσιμη εργασία ανάκτησης κάνει σαφή την επιδιωκόμενη σχέση. Ένα ερώτημα που αναζητά εξήγηση, μια αναζήτηση οπτικά παρόμοιων στοιχείων και η ομαδοποίηση ανά θέμα είναι διαφορετικές εργασίες ακόμη και όταν χρησιμοποιούν την ίδια συλλογή πηγής. Προετοιμάστε το περιεχόμενο με συνέπεια, καταγράψτε την έκδοση και τη διάσταση και κρατήστε κάθε διάνυσμα συνδεδεμένο με την πηγή του. Η ομοιότητα παρέχει υποψηφίους για εξέταση από την εφαρμογή· δεν αποδεικνύει ότι δύο εγγραφές δηλώνουν το ίδιο γεγονός ή ότι ανακτημένη πηγή απαντά πλήρως σε ερώτημα.\n\nΓια πρακτική αναζήτηση μέσων, αναπαραστήστε την επιλεγμένη εικόνα ή το απόσπασμα βίντεο και συγκρίνετέ τα με την περιγραφή του επιθυμητού περιεχομένου. Παρουσιάστε την αντίστοιχη πηγή μαζί με τη λεζάντα ή το χρονικό διάστημά της ώστε ο χρήστης να την ελέγχει. Για βοηθό γνώσης, ανακτήστε τη σχετική σελίδα ή το απόσπασμα πριν παράγετε τη γραπτή απόκριση. Ο ρόλος του μοντέλου Preview είναι η πολυτροπική αριθμητική αναπαράσταση που υποστηρίζει αυτά τα βήματα επιλογής, ενώ η αποθήκευση, οι κανόνες κατάταξης και η τελική απάντηση παραμένουν μέρη της περιβάλλουσας ροής εργασίας.",
    "alias_of": null,
    "aliases": [],
    "author": "Google",
    "capabilities": {
      "context_length": 8192,
      "manufacturer_input": [
        "text",
        "image",
        "file",
        "audio",
        "video"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": 8192,
    "formats": [
      "embeddings"
    ],
    "id": "google/gemini-embedding-2-preview",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Λείπει το μοντέλο ή το JSON έχει λανθασμένη σύνταξη.",
                "http_status": 400,
                "recovery": "Διορθώστε τα υποδεικνυόμενα πεδία.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Υπέρβαση του ρυθμισμένου ορίου μεγέθους σώματος.",
                "http_status": 413,
                "recovery": "Μειώστε το πραγματικό υλικό.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Η είσοδος ή οι παράμετροι ελέγχου παραβιάζουν την ισχύουσα ειδική πολιτική.",
                "http_status": 422,
                "recovery": "Χρησιμοποιήστε την εμφανιζόμενη ελάχιστη είσοδο κειμένου χωρίς κληρονομημένες παραμέτρους ελέγχου.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Δεν μπορεί να συσχετιστεί η άδεια πρόσβασης ή η προσφορά τιμής.",
                "http_status": 503,
                "recovery": "Διατηρήστε την απόκριση· μην αντικαταστήσετε την πολιτική.",
                "type": "billing_error"
              }
            ],
            "example_body": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Δεν εισάγεται endpoint εργασιών ενσωμάτωσης."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "google/gemini-embedding-2-preview"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              }
            ],
            "profile_binding": "Minimal current Source subset: only model and text input. Optional controls and another model dimensions/token limits are not inherited.",
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "google/gemini-embedding-2-preview"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "unsupported": [
              "image/audio/file objects in this minimal text profile",
              "dimensions (current Native43 supports_dimensions:false)",
              "foreign model-specific dimensions or token limits"
            ]
          },
          "hints": [
            "Διατηρήστε κάθε διάνυσμα και δείκτη που επιστρέφεται.",
            "Από αυτό το ελάχιστο προφίλ κειμένου δεν συνάγεται υποστήριξη εικόνας, ήχου ή αντικειμένων αρχείου."
          ],
          "input": {
            "content_type": "application/json",
            "input_shapes": [
              "string",
              "string[]"
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "Keep every vector, index, model and usage field. Current dedicated Source validates count, finite float elements and consistent actual dimensions."
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Βασικές χρεώσεις ανά token",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}",
            "label": "Complete minimal JSON body",
            "language": "json"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > embedding-request.json <<'JSON_REQUEST'\n{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @embedding-request.json -o embedding-response.json\n",
            "label": "curl · minimal text embeddings",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Διανυσματικές αναπαραστάσεις",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "google/gemini-embedding-2-preview",
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra"
      }
    ],
    "name": "Google: Gemini Embedding 2 Preview",
    "price": {
      "in": 0.4,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.4,
      "sort_out": 0,
      "varies": false
    },
    "short": "Το Gemini Embedding 2 Preview μετατρέπει κείμενο, εικόνες, ήχο, βίντεο και PDF σε αριθμητικά διανύσματα σε έναν πολυτροπικό χώρο. Το χωριστά τεκμηριωμένο προφίλ Preview υποστηρίζει διατροπική ανάκτηση και σύγκριση, είσοδο 8192 tokens και ευέλικτες διαστάσεις διανυσμάτων."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Το Gemini Embedding 2 Preview μετατρέπει κείμενο, εικόνες, ήχο, βίντεο και PDF σε αριθμητικά διανύσματα σε έναν πολυτροπικό χώρο. Το χωριστά τεκμηριωμένο προφίλ Preview υποστηρίζει διατροπική ανάκτηση και σύγκριση, είσοδο 8192 tokens και ευέλικτες διαστάσεις διανυσμάτων.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "bed20406a9d0c2f90350452e889938bb36ef2eb827f85eeb31b43faa8e0fadef",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "c9e7fd5eaf26a1ed27fc984218bba3d3bd75e31e3c61a5d81cb49f47e377f803"
}