Source: https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/ Canonical: https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/ Language: es-mx # Google: Gemini Embedding 2 Preview [Markdown](https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/index.md) · [JSON](https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/facts.json) ## [Google: Gemini Embedding 2 Preview](https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/) Gemini Embedding 2 Preview convierte texto, imágenes, audio, video y PDF en vectores numéricos en un espacio multimodal. Su perfil Preview documentado por separado admite recuperación y comparación entre modalidades, una entrada de 8192 tokens y dimensiones vectoriales flexibles. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `google/gemini-embedding-2-preview`](https://ailoot.ai/models/es-mx/google-gemini-embedding-2-preview/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Gemini Embedding 2 Preview es la edición Preview con nombre propio de la familia nativa de embeddings multimodales de Google. Asigna texto, imágenes, video, audio y PDF a un espacio numérico compartido, con intención semántica representada en más de 100 idiomas. La salida son embeddings: vectores utilizados para comparar y recuperar material relacionado. Esta identidad Preview sigue siendo distinta de la edición estable Gemini Embedding 2 y no implica pesos intercambiables ni un espacio vectorial idéntico. El anuncio original describe búsqueda entre modalidades, clasificación, agrupación, análisis de sentimiento y generación aumentada por recuperación como aplicaciones posteriores. Una consulta de texto puede encontrar un elemento visual relacionado, mientras que una imagen o clip también pueden actuar como fuente de búsqueda. Una aplicación guarda las representaciones, las compara y devuelve los registros correspondientes; un modelo de lenguaje separado puede utilizar el material de origen recuperado para redactar una respuesta. El embedding por sí mismo no contiene una explicación en lenguaje natural ni una transcripción. Su propia página del modelo documenta un límite de entrada de 8192 tokens y dimensiones de salida de 128 a 3072, con 768, 1536 y 3072 como tamaños recomendados. El anuncio Preview da un valor predeterminado de 3072 y describe Matryoshka Representation Learning, que conserva información útil en prefijos más cortos de la representación. Mantén una dimensión elegida para los vectores que deban compararse y conserva la edición del modelo junto con la colección, en lugar de mezclar representaciones solo porque coincidan sus longitudes. El anuncio Preview documenta hasta seis imágenes PNG o JPEG por solicitud, hasta 120 segundos de video MP4 o MOV y documentos PDF de hasta seis páginas. También documenta embeddings directos de audio sin una transcripción textual intermedia. Estas especificaciones proceden del propio anuncio Preview, no de la guía estable posterior. El anuncio no establece todos los límites actuales de duración de audio, códecs o muestreo de fotogramas para este perfil Preview exacto. La entrada multimodal intercalada permite que la representación refleje relaciones entre medios, como una imagen y su leyenda. Para un catálogo de productos, proporciona juntos la fotografía y la descripción aprobada cuando describan un objeto que deba recuperarse como unidad. Para una colección documental, divide la fuente en pasajes o páginas específicos y conserva su título y posición. Para una biblioteca multimedia, selecciona un clip que corresponda al evento que los usuarios deban encontrar y guarda su intervalo temporal original junto con el registro almacenado. Una tarea útil de recuperación deja clara la relación prevista. Una pregunta que busca una explicación, una búsqueda de elementos visualmente similares y una agrupación por temas son tareas diferentes aunque utilicen la misma colección de origen. Prepara el contenido de forma coherente, registra la edición y la dimensión y mantén cada vector vinculado a su fuente. La similaridad aporta candidatos que la aplicación debe examinar; no prueba que dos registros afirmen el mismo hecho ni que una fuente recuperada responda por completo a una pregunta. Para una búsqueda práctica de medios, representa la imagen o extracto de video elegidos y compáralos con la descripción del contenido deseado. Presenta la fuente coincidente junto con su leyenda o intervalo temporal para que un usuario pueda revisarla. Para un asistente de conocimiento, recupera la página o pasaje pertinentes antes de generar la respuesta escrita. La función del modelo Preview es la representación numérica multimodal que permite esos pasos de selección, mientras que el almacenamiento, las reglas de ordenación y la respuesta final siguen formando parte del flujo de trabajo que lo integra. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `google/gemini-embedding-2-preview` [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/es-mx/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) Google /`google/gemini-embedding-2-preview` ### Inicio Gemini Embedding 2 Preview convierte texto, imágenes, audio, video y PDF en vectores numéricos en un espacio multimodal. Su perfil Preview documentado por separado admite recuperación y comparación entre modalidades, una entrada de 8192 tokens y dimensiones vectoriales flexibles. Entradas aceptadas Texto Resultados embedding ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` Entrada `text` Salida `embedding` Contexto 8,192 tokens Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites google/gemini-embedding-2-preview | Predeterminado— | | Campo`input` | Tipo`string\|string[]` | RequisitoObligatorio | Valores y límites | Predeterminado— | Combinaciones de materiales de entrada **text\_to\_embedding** Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input | | Parámetro`input_shapes` | Contratostring, string\[\] | | Parámetro`material_types` | Contratotext | Ciclo de vida: `synchronous_json` Conserva cada vector e índice devuelto. No se deduce compatibilidad con imágenes, audio u objetos de archivo a partir de este perfil mínimo de texto. ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.0004** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales Cuerpo JSON mínimo completocurl · solicitud mínima de embeddings de texto ```json { "model": "google/gemini-embedding-2-preview", "input": [ "First document", "Second document" ] } ``` ```bash set -eu : "${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 ``` ### Recibir y guardar resultados #### Ailoot Ultra · Representaciones vectoriales json ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva cada vector con su índice. La cantidad de vectores debe ser igual a la cantidad de entradas; las dimensiones deben ser consistentes. ##### Si es necesario revisar la respuesta original No se incorpora ningún endpoint de tareas de embeddings. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónFalta el modelo o el JSON está mal formado. | Siguiente pasoCorrige los campos indicados. | | Respuesta413 · `invalid_request_error` | CondiciónSe excedió el límite configurado para el cuerpo de la solicitud. | Siguiente pasoReduce el material real. | | Respuesta422 · `invalid_request_error` | CondiciónLa entrada o los controles incumplen la política específica vigente. | Siguiente pasoUsa la entrada mínima de texto mostrada sin controles heredados. | | Respuesta503 · `billing_error` | CondiciónNo se puede vincular la admisión o la cotización. | Siguiente pasoConserva la respuesta; no sustituyas la política. | ### Alias #### Alias del modelo **Ailoot Ultra** [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/es-mx/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`google/gemini-embedding-2-preview`](https://ailoot.ai/models/es-mx/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings) FAQ · Google: Gemini Embedding 2 Preview ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `text` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `model`, `input` ¿Qué límites se aplican? `POST /v1/embeddings` · `google/gemini-embedding-2-preview`: `ctx`: `8192` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.