Gemini Embedding 2 Preview è l’edizione di anteprima denominata da Google della sua famiglia nativa di embedding multimodale. Trasforma testo, immagini, video, audio e PDF in uno spazio numerico condiviso, con intento semantico rappresentato in oltre 100 lingue. L’output consiste in embedding: vettori usati per confrontare e recuperare materiale correlato. Questa identità di anteprima rimane separata dall’edizione stabile Gemini Embedding 2 e non implica pesi intercambiabili o uno spazio vettoriale identico.
L’annuncio originale descrive ricerca tra modalità, classificazione, clustering, analisi del sentiment e generazione aumentata dal recupero come applicazioni a valle. Una query testuale può trovare un elemento visivo correlato, mentre un’immagine o una clip possono anche fungere da fonte per la ricerca. Un’applicazione memorizza le rappresentazioni, le confronta e restituisce i record corrispondenti; un modello linguistico separato può usare il materiale di origine recuperato per redigere una risposta. L’embedding stesso non contiene una spiegazione in linguaggio naturale o una trascrizione.
La sua pagina specifica del modello documenta un limite di input di 8192 token e dimensioni di output da 128 a 3072, con 768, 1536 e 3072 come dimensioni raccomandate. L’annuncio dell’anteprima indica un valore predefinito di 3072 e descrive Matryoshka Representation Learning, che mantiene informazioni utili in prefissi più corti della rappresentazione. Mantieni una dimensione scelta per i vettori da confrontare e conserva l’edizione del modello insieme alla raccolta, anziché unire rappresentazioni soltanto perché le loro lunghezze coincidono.
L’annuncio dell’anteprima documenta fino a sei immagini PNG o JPEG per richiesta, fino a 120 secondi di video MP4 o MOV e documenti PDF fino a sei pagine. Documenta inoltre embedding diretto dell’audio senza una trascrizione testuale intermedia. Queste specifiche provengono dall’annuncio dell’anteprima stessa, non dalla guida stabile successiva. L’annuncio non stabilisce tutti gli attuali limiti di durata audio, codec o campionamento dei fotogrammi per questo esatto profilo di anteprima.
L’input multimodale intercalato permette alla rappresentazione di riflettere relazioni tra i media, come un’immagine e la sua didascalia. Per un catalogo di prodotti, fornisci insieme fotografia e descrizione approvata quando descrivono un unico oggetto recuperabile. Per una raccolta documentale, suddividi la fonte in passaggi o pagine mirati e preserva titolo e posizione. Per una libreria multimediale, seleziona una clip corrispondente all’evento che gli utenti devono trovare e mantieni l’intervallo temporale originale insieme al record memorizzato.
Un’attività di recupero utile rende chiaro il rapporto desiderato. Una domanda che cerca una spiegazione, una ricerca di elementi visivamente simili e il clustering per argomento sono attività differenti anche quando usano la stessa raccolta di fonti. Prepara il contenuto in modo coerente, registra edizione e dimensione e mantieni ogni vettore collegato alla propria fonte. La similarità fornisce candidati da esaminare all’applicazione; non è prova che due record affermino lo stesso fatto o che una fonte recuperata risponda completamente a una domanda.
Per una ricerca multimediale concreta, rappresenta l’immagine o l’estratto video scelto e confrontalo con la descrizione del contenuto desiderato. Presenta la fonte corrispondente insieme alla didascalia o all’intervallo temporale, affinché un utente possa verificarla. Per un assistente di conoscenze, recupera la pagina o il passaggio pertinente prima di generare la risposta scritta. Il ruolo del modello Preview è la rappresentazione numerica multimodale che supporta queste fasi di selezione, mentre memorizzazione, regole di ordinamento e risposta finale rimangono parti del flusso circostante.
", "aboutText": "Gemini Embedding 2 Preview è l’edizione di anteprima denominata da Google della sua famiglia nativa di embedding multimodale. Trasforma testo, immagini, video, audio e PDF in uno spazio numerico condiviso, con intento semantico rappresentato in oltre 100 lingue. L’output consiste in embedding: vettori usati per confrontare e recuperare materiale correlato. Questa identità di anteprima rimane separata dall’edizione stabile Gemini Embedding 2 e non implica pesi intercambiabili o uno spazio vettoriale identico.\n\nL’annuncio originale descrive ricerca tra modalità, classificazione, clustering, analisi del sentiment e generazione aumentata dal recupero come applicazioni a valle. Una query testuale può trovare un elemento visivo correlato, mentre un’immagine o una clip possono anche fungere da fonte per la ricerca. Un’applicazione memorizza le rappresentazioni, le confronta e restituisce i record corrispondenti; un modello linguistico separato può usare il materiale di origine recuperato per redigere una risposta. L’embedding stesso non contiene una spiegazione in linguaggio naturale o una trascrizione.\n\nLa sua pagina specifica del modello documenta un limite di input di 8192 token e dimensioni di output da 128 a 3072, con 768, 1536 e 3072 come dimensioni raccomandate. L’annuncio dell’anteprima indica un valore predefinito di 3072 e descrive Matryoshka Representation Learning, che mantiene informazioni utili in prefissi più corti della rappresentazione. Mantieni una dimensione scelta per i vettori da confrontare e conserva l’edizione del modello insieme alla raccolta, anziché unire rappresentazioni soltanto perché le loro lunghezze coincidono.\n\nL’annuncio dell’anteprima documenta fino a sei immagini PNG o JPEG per richiesta, fino a 120 secondi di video MP4 o MOV e documenti PDF fino a sei pagine. Documenta inoltre embedding diretto dell’audio senza una trascrizione testuale intermedia. Queste specifiche provengono dall’annuncio dell’anteprima stessa, non dalla guida stabile successiva. L’annuncio non stabilisce tutti gli attuali limiti di durata audio, codec o campionamento dei fotogrammi per questo esatto profilo di anteprima.\n\nL’input multimodale intercalato permette alla rappresentazione di riflettere relazioni tra i media, come un’immagine e la sua didascalia. Per un catalogo di prodotti, fornisci insieme fotografia e descrizione approvata quando descrivono un unico oggetto recuperabile. Per una raccolta documentale, suddividi la fonte in passaggi o pagine mirati e preserva titolo e posizione. Per una libreria multimediale, seleziona una clip corrispondente all’evento che gli utenti devono trovare e mantieni l’intervallo temporale originale insieme al record memorizzato.\n\nUn’attività di recupero utile rende chiaro il rapporto desiderato. Una domanda che cerca una spiegazione, una ricerca di elementi visivamente simili e il clustering per argomento sono attività differenti anche quando usano la stessa raccolta di fonti. Prepara il contenuto in modo coerente, registra edizione e dimensione e mantieni ogni vettore collegato alla propria fonte. La similarità fornisce candidati da esaminare all’applicazione; non è prova che due record affermino lo stesso fatto o che una fonte recuperata risponda completamente a una domanda.\n\nPer una ricerca multimediale concreta, rappresenta l’immagine o l’estratto video scelto e confrontalo con la descrizione del contenuto desiderato. Presenta la fonte corrispondente insieme alla didascalia o all’intervallo temporale, affinché un utente possa verificarla. Per un assistente di conoscenze, recupera la pagina o il passaggio pertinente prima di generare la risposta scritta. Il ruolo del modello Preview è la rappresentazione numerica multimodale che supporta queste fasi di selezione, mentre memorizzazione, regole di ordinamento e risposta finale rimangono parti del flusso circostante.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2a55ef00ef2f10ddcade8f2960159dd9aa8139967a99963d4ffcea7bfe065fe4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "google/gemini-embedding-2-previewGemini Embedding 2 Preview converte testo, immagini, audio, video e PDF in vettori numerici in un unico spazio multimodale. Il suo profilo di anteprima documentato separatamente supporta recupero e confronto tra modalità, un input di 8192 token e dimensioni vettoriali flessibili.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini Embedding 2 Preview è l’edizione di anteprima denominata da Google della sua famiglia nativa di embedding multimodale. Trasforma testo, immagini, video, audio e PDF in uno spazio numerico condiviso, con intento semantico rappresentato in oltre 100 lingue. L’output consiste in embedding: vettori usati per confrontare e recuperare materiale correlato. Questa identità di anteprima rimane separata dall’edizione stabile Gemini Embedding 2 e non implica pesi intercambiabili o uno spazio vettoriale identico.
L’annuncio originale descrive ricerca tra modalità, classificazione, clustering, analisi del sentiment e generazione aumentata dal recupero come applicazioni a valle. Una query testuale può trovare un elemento visivo correlato, mentre un’immagine o una clip possono anche fungere da fonte per la ricerca. Un’applicazione memorizza le rappresentazioni, le confronta e restituisce i record corrispondenti; un modello linguistico separato può usare il materiale di origine recuperato per redigere una risposta. L’embedding stesso non contiene una spiegazione in linguaggio naturale o una trascrizione.
La sua pagina specifica del modello documenta un limite di input di 8192 token e dimensioni di output da 128 a 3072, con 768, 1536 e 3072 come dimensioni raccomandate. L’annuncio dell’anteprima indica un valore predefinito di 3072 e descrive Matryoshka Representation Learning, che mantiene informazioni utili in prefissi più corti della rappresentazione. Mantieni una dimensione scelta per i vettori da confrontare e conserva l’edizione del modello insieme alla raccolta, anziché unire rappresentazioni soltanto perché le loro lunghezze coincidono.
L’annuncio dell’anteprima documenta fino a sei immagini PNG o JPEG per richiesta, fino a 120 secondi di video MP4 o MOV e documenti PDF fino a sei pagine. Documenta inoltre embedding diretto dell’audio senza una trascrizione testuale intermedia. Queste specifiche provengono dall’annuncio dell’anteprima stessa, non dalla guida stabile successiva. L’annuncio non stabilisce tutti gli attuali limiti di durata audio, codec o campionamento dei fotogrammi per questo esatto profilo di anteprima.
L’input multimodale intercalato permette alla rappresentazione di riflettere relazioni tra i media, come un’immagine e la sua didascalia. Per un catalogo di prodotti, fornisci insieme fotografia e descrizione approvata quando descrivono un unico oggetto recuperabile. Per una raccolta documentale, suddividi la fonte in passaggi o pagine mirati e preserva titolo e posizione. Per una libreria multimediale, seleziona una clip corrispondente all’evento che gli utenti devono trovare e mantieni l’intervallo temporale originale insieme al record memorizzato.
Un’attività di recupero utile rende chiaro il rapporto desiderato. Una domanda che cerca una spiegazione, una ricerca di elementi visivamente simili e il clustering per argomento sono attività differenti anche quando usano la stessa raccolta di fonti. Prepara il contenuto in modo coerente, registra edizione e dimensione e mantieni ogni vettore collegato alla propria fonte. La similarità fornisce candidati da esaminare all’applicazione; non è prova che due record affermino lo stesso fatto o che una fonte recuperata risponda completamente a una domanda.
Per una ricerca multimediale concreta, rappresenta l’immagine o l’estratto video scelto e confrontalo con la descrizione del contenuto desiderato. Presenta la fonte corrispondente insieme alla didascalia o all’intervallo temporale, affinché un utente possa verificarla. Per un assistente di conoscenze, recupera la pagina o il passaggio pertinente prima di generare la risposta scritta. Il ruolo del modello Preview è la rappresentazione numerica multimodale che supporta queste fasi di selezione, mentre memorizzazione, regole di ordinamento e risposta finale rimangono parti del flusso circostante.
POST /v1/embeddingstextembedding| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-embedding-2-preview | Predefinito— |
Campoinput | Tipostring|string[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
text_to_embedding
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input |
Parametroinput_shapes | Contrattostring, string[] |
Parametromaterial_types | Contrattotext |
Ciclo di vita: synchronous_json
Conserva ogni vettore e indice restituito.
Da questo profilo testuale minimo non si deduce il supporto per immagini, audio od oggetti file.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0004 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-embedding-2-preview",\n "input": [\n "First document",\n "Second document"\n ]\n}set -eu\n: "${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\njson
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni vettore con il suo indice. Il numero di vettori deve coincidere con il numero di input; le dimensioni devono essere coerenti.
Non viene introdotto alcun endpoint per i job di embedding.
| Campo | Tipo |
|---|---|
Campoobject | Tipostring |
Campomodel | Tipostring |
Campodata[].index | Tipointeger |
Campodata[].embedding | Tipofinite float[] |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneModello mancante o JSON malformato. | Passaggio successivoCorreggi i campi indicati. |
Risposta413 · invalid_request_error | CondizioneSuperato il limite configurato per il corpo della richiesta. | Passaggio successivoRiduci il materiale effettivo. |
Risposta422 · invalid_request_error | CondizioneL'input o i controlli violano i criteri specifici attualmente in vigore. | Passaggio successivoUsa l'input testuale minimo mostrato senza controlli ereditati. |
Risposta503 · billing_error | CondizioneNon è possibile associare l'autorizzazione all'utilizzo o il preventivo. | Passaggio successivoConserva la risposta; non sostituire i criteri applicabili. |
Ailoot Ultra google/gemini-embedding-2-preview
Usa i percorsi dei metodi indicati sopra.