{
  "aboutHtml": "<p>Gemini Embedding 2 Preview — Google-дың төл мультимодальді эмбеддинг модельдер тобының өз атауы бар алдын ала нұсқасы. Ол мәтінді, суреттерді, бейнені, аудионы және PDF-ті ортақ сандық кеңістікке бейнелейді; мағыналық ниет 100-ден астам тілде көрсетіледі. Шығысы — эмбеддингтер: байланысты материалды салыстыруға және табуға арналған векторлар. Бұл Preview нұсқасы тұрақты Gemini Embedding 2 нұсқасынан бөлек болып қалады және салмақтарының өзара алмастырылатынын немесе векторлық кеңістігінің бірдей екенін білдірмейді.</p><p>Бастапқы хабарландыру кейінгі қолданыстар ретінде модальділіктер арасындағы іздеуді, жіктеуді, кластерлеуді, тональділікті талдауды және іздеумен толықтырылған генерацияны сипаттайды. Мәтіндік сұрау байланысты көрнекі нысанды таба алады, ал сурет немесе клип те іздеудің бастапқы материалы бола алады. Қолданба көрсетілімдерді сақтайды, салыстырады және тиісті жазбаларды қайтарады; бөлек тіл моделі жауап құрастыру үшін табылған бастапқы материалды қолдана алады. Эмбеддингтің өзінде табиғи тілдегі түсіндірме немесе транскрипт болмайды.</p><p>Модельдің өз парағы 8192 токендік кіріс шегін және 128-ден 3072-ге дейінгі шығыс өлшемдерін құжаттайды; ұсынылатын өлшемдер — 768, 1536 және 3072. Preview хабарландыруы әдепкі өлшемді 3072 деп беріп, көрсетілімнің қысқартылған бастапқы бөліктерінде пайдалы ақпаратты сақтайтын Matryoshka Representation Learning әдісін сипаттайды. Салыстырылатын векторларға бір таңдалған өлшем қолданып, көрсетілімдерді тек ұзындығы сәйкес болғаны үшін біріктірмей, модель нұсқасын жинақпен бірге сақтаңыз.</p><p>Preview хабарландыруы бір сұрауға ең көбі алты PNG немесе JPEG суретін, 120 секундқа дейін MP4 немесе MOV бейнесін және алты бетке дейінгі PDF құжаттарын құжаттайды. Сондай-ақ аралық мәтін транскриптінсіз тікелей аудио эмбеддингін жасауды сипаттайды. Бұл сипаттамалар кейінгі тұрақты нұсқа нұсқаулығынан емес, Preview нұсқасының өз хабарландыруынан алынған. Хабарландыру осы нақты Preview профилі үшін аудио ұзақтығының, кодектердің немесе кадр іріктеуінің барлық қазіргі шектеулерін белгілемейді.</p><p>Кезектескен мультимодальді кіріс көрсетілімге сурет пен оның жазуы сияқты медиа арасындағы байланыстарды көрсетуге мүмкіндік береді. Өнім каталогында фотосурет пен бекітілген сипаттама бір ізделетін нысанды сипаттаса, оларды бірге беріңіз. Құжат жинағында дереккөзді нақты тақырыпқа арналған үзінділерге немесе беттерге бөліп, атауы мен орнын сақтаңыз. Медиа кітапханасында пайдаланушылар табуы тиіс оқиғаға сәйкес клипті таңдап, бастапқы уақыт аралығын сақталған жазбамен бірге ұстаңыз.</p><p>Пайдалы іздеу тапсырмасы көзделген байланысты анық көрсетеді. Түсіндірме сұрайтын сұрақ, көрнекі ұқсас нысандарды іздеу және тақырып бойынша кластерлеу — бір бастапқы жинақты пайдаланса да, әртүрлі тапсырмалар. Мазмұнды бірізді дайындап, нұсқа мен өлшемді жазып, әр векторды дереккөзімен байланыстырыңыз. Ұқсастық қолданба тексеретін кандидаттарды береді; ол екі жазба бір фактіні айтатынын немесе табылған дереккөз сұраққа толық жауап беретінін дәлелдемейді.</p><p>Практикалық медиа іздеу үшін таңдалған суретті немесе бейне үзіндісін көрсетілімге айналдырып, қажетті мазмұнның сипаттамасымен салыстырыңыз. Пайдаланушы тексере алуы үшін сәйкес дереккөзді жазуымен немесе уақыт аралығымен бірге көрсетіңіз. Білім көмекшісі үшін жазбаша жауап генерациялаудан бұрын тиісті бетті немесе үзіндіні табыңыз. Preview моделінің рөлі — осы іріктеу қадамдарын қолдайтын мультимодальді сандық көрсетілім; сақтау, реттеу ережелері және соңғы жауап айналасындағы қолданбаның бөліктері болып қалады.</p>",
  "aboutText": "Gemini Embedding 2 Preview — Google-дың төл мультимодальді эмбеддинг модельдер тобының өз атауы бар алдын ала нұсқасы. Ол мәтінді, суреттерді, бейнені, аудионы және PDF-ті ортақ сандық кеңістікке бейнелейді; мағыналық ниет 100-ден астам тілде көрсетіледі. Шығысы — эмбеддингтер: байланысты материалды салыстыруға және табуға арналған векторлар. Бұл Preview нұсқасы тұрақты Gemini Embedding 2 нұсқасынан бөлек болып қалады және салмақтарының өзара алмастырылатынын немесе векторлық кеңістігінің бірдей екенін білдірмейді.\n\nБастапқы хабарландыру кейінгі қолданыстар ретінде модальділіктер арасындағы іздеуді, жіктеуді, кластерлеуді, тональділікті талдауды және іздеумен толықтырылған генерацияны сипаттайды. Мәтіндік сұрау байланысты көрнекі нысанды таба алады, ал сурет немесе клип те іздеудің бастапқы материалы бола алады. Қолданба көрсетілімдерді сақтайды, салыстырады және тиісті жазбаларды қайтарады; бөлек тіл моделі жауап құрастыру үшін табылған бастапқы материалды қолдана алады. Эмбеддингтің өзінде табиғи тілдегі түсіндірме немесе транскрипт болмайды.\n\nМодельдің өз парағы 8192 токендік кіріс шегін және 128-ден 3072-ге дейінгі шығыс өлшемдерін құжаттайды; ұсынылатын өлшемдер — 768, 1536 және 3072. Preview хабарландыруы әдепкі өлшемді 3072 деп беріп, көрсетілімнің қысқартылған бастапқы бөліктерінде пайдалы ақпаратты сақтайтын Matryoshka Representation Learning әдісін сипаттайды. Салыстырылатын векторларға бір таңдалған өлшем қолданып, көрсетілімдерді тек ұзындығы сәйкес болғаны үшін біріктірмей, модель нұсқасын жинақпен бірге сақтаңыз.\n\nPreview хабарландыруы бір сұрауға ең көбі алты PNG немесе JPEG суретін, 120 секундқа дейін MP4 немесе MOV бейнесін және алты бетке дейінгі PDF құжаттарын құжаттайды. Сондай-ақ аралық мәтін транскриптінсіз тікелей аудио эмбеддингін жасауды сипаттайды. Бұл сипаттамалар кейінгі тұрақты нұсқа нұсқаулығынан емес, Preview нұсқасының өз хабарландыруынан алынған. Хабарландыру осы нақты Preview профилі үшін аудио ұзақтығының, кодектердің немесе кадр іріктеуінің барлық қазіргі шектеулерін белгілемейді.\n\nКезектескен мультимодальді кіріс көрсетілімге сурет пен оның жазуы сияқты медиа арасындағы байланыстарды көрсетуге мүмкіндік береді. Өнім каталогында фотосурет пен бекітілген сипаттама бір ізделетін нысанды сипаттаса, оларды бірге беріңіз. Құжат жинағында дереккөзді нақты тақырыпқа арналған үзінділерге немесе беттерге бөліп, атауы мен орнын сақтаңыз. Медиа кітапханасында пайдаланушылар табуы тиіс оқиғаға сәйкес клипті таңдап, бастапқы уақыт аралығын сақталған жазбамен бірге ұстаңыз.\n\nПайдалы іздеу тапсырмасы көзделген байланысты анық көрсетеді. Түсіндірме сұрайтын сұрақ, көрнекі ұқсас нысандарды іздеу және тақырып бойынша кластерлеу — бір бастапқы жинақты пайдаланса да, әртүрлі тапсырмалар. Мазмұнды бірізді дайындап, нұсқа мен өлшемді жазып, әр векторды дереккөзімен байланыстырыңыз. Ұқсастық қолданба тексеретін кандидаттарды береді; ол екі жазба бір фактіні айтатынын немесе табылған дереккөз сұраққа толық жауап беретінін дәлелдемейді.\n\nПрактикалық медиа іздеу үшін таңдалған суретті немесе бейне үзіндісін көрсетілімге айналдырып, қажетті мазмұнның сипаттамасымен салыстырыңыз. Пайдаланушы тексере алуы үшін сәйкес дереккөзді жазуымен немесе уақыт аралығымен бірге көрсетіңіз. Білім көмекшісі үшін жазбаша жауап генерациялаудан бұрын тиісті бетті немесе үзіндіні табыңыз. Preview моделінің рөлі — осы іріктеу қадамдарын қолдайтын мультимодальді сандық көрсетілім; сақтау, реттеу ережелері және соңғы жауап айналасындағы қолданбаның бөліктері болып қалады.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "33c5fc889b43ddf92418e3b6a1d0b1a5ff9a988c6c2a9622c171b7fbbc2fd08c",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "kk",
  "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=\"Жабу\">×</button></div><div class=\"idline\"><span>Google /</span><code>google/gemini-embedding-2-preview</code><button type=\"button\" id=\"copy-id\">ID көшіру</button></div><nav class=\"card-jump-nav\" aria-label=\"Модель карточкасының бөлімдері\"><button type=\"button\" data-card-jump=\"overview\">Бастау</button><button type=\"button\" data-card-jump=\"methods\">Кіріс деректері мен әдістер</button><button type=\"button\" data-card-jump=\"pricing\">Тарифтер</button><button type=\"button\" data-card-jump=\"examples\">Мысалдар</button><button type=\"button\" data-card-jump=\"results\">Нәтижелер</button><button type=\"button\" data-card-jump=\"aliases\">Балама атаулар</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API әдістері\"><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\">Эмбеддингтер</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\">Бастау</h3><p class=\"mdesc-full\">Gemini Embedding 2 Preview мәтінді, суреттерді, аудионы, бейнені және PDF-ті бір мультимодальді кеңістіктегі сандық векторларға айналдырады. Бөлек құжатталған Preview профилі модальділіктер арасындағы іздеу мен салыстыруды, 8192 токендік кірісті және икемді вектор өлшемдерін қолдайды.</p><dl class=\"card-io\" data-card-io><div><dt>Қабылданатын кіріс деректері</dt><dd>Мәтін</dd></div><div><dt>Нәтижелер</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Модель туралы</summary><p class=\"note-s\" data-model-method-boundary>Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.</p><div class=\"mabout\" id=\"m-about\"><p>Gemini Embedding 2 Preview — Google-дың төл мультимодальді эмбеддинг модельдер тобының өз атауы бар алдын ала нұсқасы. Ол мәтінді, суреттерді, бейнені, аудионы және PDF-ті ортақ сандық кеңістікке бейнелейді; мағыналық ниет 100-ден астам тілде көрсетіледі. Шығысы — эмбеддингтер: байланысты материалды салыстыруға және табуға арналған векторлар. Бұл Preview нұсқасы тұрақты Gemini Embedding 2 нұсқасынан бөлек болып қалады және салмақтарының өзара алмастырылатынын немесе векторлық кеңістігінің бірдей екенін білдірмейді.</p><p>Бастапқы хабарландыру кейінгі қолданыстар ретінде модальділіктер арасындағы іздеуді, жіктеуді, кластерлеуді, тональділікті талдауды және іздеумен толықтырылған генерацияны сипаттайды. Мәтіндік сұрау байланысты көрнекі нысанды таба алады, ал сурет немесе клип те іздеудің бастапқы материалы бола алады. Қолданба көрсетілімдерді сақтайды, салыстырады және тиісті жазбаларды қайтарады; бөлек тіл моделі жауап құрастыру үшін табылған бастапқы материалды қолдана алады. Эмбеддингтің өзінде табиғи тілдегі түсіндірме немесе транскрипт болмайды.</p><p>Модельдің өз парағы 8192 токендік кіріс шегін және 128-ден 3072-ге дейінгі шығыс өлшемдерін құжаттайды; ұсынылатын өлшемдер — 768, 1536 және 3072. Preview хабарландыруы әдепкі өлшемді 3072 деп беріп, көрсетілімнің қысқартылған бастапқы бөліктерінде пайдалы ақпаратты сақтайтын Matryoshka Representation Learning әдісін сипаттайды. Салыстырылатын векторларға бір таңдалған өлшем қолданып, көрсетілімдерді тек ұзындығы сәйкес болғаны үшін біріктірмей, модель нұсқасын жинақпен бірге сақтаңыз.</p><p>Preview хабарландыруы бір сұрауға ең көбі алты PNG немесе JPEG суретін, 120 секундқа дейін MP4 немесе MOV бейнесін және алты бетке дейінгі PDF құжаттарын құжаттайды. Сондай-ақ аралық мәтін транскриптінсіз тікелей аудио эмбеддингін жасауды сипаттайды. Бұл сипаттамалар кейінгі тұрақты нұсқа нұсқаулығынан емес, Preview нұсқасының өз хабарландыруынан алынған. Хабарландыру осы нақты Preview профилі үшін аудио ұзақтығының, кодектердің немесе кадр іріктеуінің барлық қазіргі шектеулерін белгілемейді.</p><p>Кезектескен мультимодальді кіріс көрсетілімге сурет пен оның жазуы сияқты медиа арасындағы байланыстарды көрсетуге мүмкіндік береді. Өнім каталогында фотосурет пен бекітілген сипаттама бір ізделетін нысанды сипаттаса, оларды бірге беріңіз. Құжат жинағында дереккөзді нақты тақырыпқа арналған үзінділерге немесе беттерге бөліп, атауы мен орнын сақтаңыз. Медиа кітапханасында пайдаланушылар табуы тиіс оқиғаға сәйкес клипті таңдап, бастапқы уақыт аралығын сақталған жазбамен бірге ұстаңыз.</p><p>Пайдалы іздеу тапсырмасы көзделген байланысты анық көрсетеді. Түсіндірме сұрайтын сұрақ, көрнекі ұқсас нысандарды іздеу және тақырып бойынша кластерлеу — бір бастапқы жинақты пайдаланса да, әртүрлі тапсырмалар. Мазмұнды бірізді дайындап, нұсқа мен өлшемді жазып, әр векторды дереккөзімен байланыстырыңыз. Ұқсастық қолданба тексеретін кандидаттарды береді; ол екі жазба бір фактіні айтатынын немесе табылған дереккөз сұраққа толық жауап беретінін дәлелдемейді.</p><p>Практикалық медиа іздеу үшін таңдалған суретті немесе бейне үзіндісін көрсетілімге айналдырып, қажетті мазмұнның сипаттамасымен салыстырыңыз. Пайдаланушы тексере алуы үшін сәйкес дереккөзді жазуымен немесе уақыт аралығымен бірге көрсетіңіз. Білім көмекшісі үшін жазбаша жауап генерациялаудан бұрын тиісті бетті немесе үзіндіні табыңыз. Preview моделінің рөлі — осы іріктеу қадамдарын қолдайтын мультимодальді сандық көрсетілім; сақтау, реттеу ережелері және соңғы жауап айналасындағы қолданбаның бөліктері болып қалады.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Эмбеддингтер</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Кіріс</dt><dd><code>text</code></dd></div><div><dt>Шығыс</dt><dd><code>embedding</code></dd></div><div><dt>Контекст</dt><dd>8 192 tokens</dd></div><div><dt>Шығыс пішімі</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Өріс</th><th>Түрі</th><th>Талап</th><th>Мәндер мен шектеулер</th><th>Әдепкі</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>google/gemini-embedding-2-preview</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string|string[]</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Кіріс материалдарының үйлесімдері</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Әдіс параметрлері мен өмірлік циклі</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Параметр</th><th>Параметр талаптары</th></tr></thead><tbody><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>content_type</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>application/json</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>required</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>model, input</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>input_shapes</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>string, string[]</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>material_types</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>text</td></tr></tbody></table></div><p>Өмірлік цикл: <code>synchronous_json</code></p><p class=\"note-s\">Қайтарылған әрбір векторды және индексті сақтаңыз.</p><p class=\"note-s\">Бұл ең аз мәтіндік профильден сурет, аудио немесе файл объектілеріне қолдау бар деп тұжырымдалмайды.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Тарифтер</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.</p><dl data-price-conditions><dt>Жылдам режим</dt><dd>Көрсетілмеген <span class=\"note-s\">Жылдам режим таңдалғанда</span></dd><dt>Икемді режим</dt><dd>Көрсетілмеген <span class=\"note-s\">flex режимі таңдалғанда</span></dd><dt>Ой қорытудың ең жоғары деңгейі</dt><dd>Көрсетілмеген <span class=\"note-s\">Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot мөлшерлемелері</h4><h4>Баптаулар бойынша бағалар</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Баптау</th><th>Мөлшерлемелер кестесі</th><th>Төлем</th></tr></thead><tbody><tr><th data-cell-label=\"Баптау\" scope=\"row\"><span class=\"card-cell-label\">Баптау</span>Токендердің базалық тарифтері</th><td data-cell-label=\"Мөлшерлемелер кестесі\"><span class=\"card-cell-label\">Мөлшерлемелер кестесі</span>Негізгі мөлшерлеме</td><td data-cell-label=\"Төлем\"><span class=\"card-cell-label\">Төлем</span><div><span>Кіріс · Кіріс токендері</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Шығыс · Шығыс токендері</span> <b>$0</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшті оқу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу, 1 сағ</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. <a href=\"/docs/kk/billing/reserve/\">Резервтеу мен төлемді есептеу тәртібі →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Сұрау мысалдары</h3><h4>Ailoot Ultra · Эмбеддингтер</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Код нұсқалары\"><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\">Ең ықшам толық JSON сұрау денесі</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 · мәтіндік эмбеддингтерге арналған ең ықшам сұрау</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Кодты көшіру\"><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\">Нәтижелерді алу және сақтау</h3><h4>Ailoot Ultra · Эмбеддингтер</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Барлық дайын нәтижені сақтау</h5><p class=\"note-s\">Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.</p><p class=\"note-s\">Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Бастапқы жауапты тексеру қажет болса</h5><p class=\"note-s\">Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.</p></div><details class=\"card-about\" data-output-fields><summary>Жауап өрістері</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Өріс</th><th>Түрі</th></tr></thead><tbody><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>string</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>string</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>integer</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>finite float[]</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Қателер және келесі қадамдар</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Жауап</th><th>Шарт</th><th>Келесі қадам</th></tr></thead><tbody><tr><th data-cell-label=\"Жауап\" scope=\"row\"><span class=\"card-cell-label\">Жауап</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Шарт\"><span class=\"card-cell-label\">Шарт</span>Модель жоқ немесе JSON құрылымы қате.</td><td data-cell-label=\"Келесі қадам\"><span class=\"card-cell-label\">Келесі қадам</span>Көрсетілген өрістерді түзетіңіз.</td></tr><tr><th data-cell-label=\"Жауап\" scope=\"row\"><span class=\"card-cell-label\">Жауап</span>413 · <code>invalid_request_error</code></th><td data-cell-label=\"Шарт\"><span class=\"card-cell-label\">Шарт</span>Бапталған сұрау денесінің көлем шегі асып кетті.</td><td data-cell-label=\"Келесі қадам\"><span class=\"card-cell-label\">Келесі қадам</span>Нақты материал көлемін азайтыңыз.</td></tr><tr><th data-cell-label=\"Жауап\" scope=\"row\"><span class=\"card-cell-label\">Жауап</span>422 · <code>invalid_request_error</code></th><td data-cell-label=\"Шарт\"><span class=\"card-cell-label\">Шарт</span>Кіріс деректері немесе басқару параметрлері қолданыстағы арнайы саясатты бұзады.</td><td data-cell-label=\"Келесі қадам\"><span class=\"card-cell-label\">Келесі қадам</span>Көрсетілген ең аз мәтіндік кірісті мұраланған басқару параметрлерінсіз қолданыңыз.</td></tr><tr><th data-cell-label=\"Жауап\" scope=\"row\"><span class=\"card-cell-label\">Жауап</span>503 · <code>billing_error</code></th><td data-cell-label=\"Шарт\"><span class=\"card-cell-label\">Шарт</span>Пайдалануға рұқсатты немесе баға ұсынысын байланыстыру мүмкін емес.</td><td data-cell-label=\"Келесі қадам\"><span class=\"card-cell-label\">Келесі қадам</span>Жауапты сақтаңыз; саясатты басқасымен алмастырмаңыз.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Балама атаулар</h3><h4>Модельдердің балама атаулары</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>Әдіс жолдарының балама атаулары</h4><p class=\"note-s\">Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.</p><h4>Шақыруға арналған байланысты ID</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": "Модель жоқ немесе JSON құрылымы қате.",
                "http_status": 400,
                "recovery": "Көрсетілген өрістерді түзетіңіз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Бапталған сұрау денесінің көлем шегі асып кетті.",
                "http_status": 413,
                "recovery": "Нақты материал көлемін азайтыңыз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Кіріс деректері немесе басқару параметрлері қолданыстағы арнайы саясатты бұзады.",
                "http_status": 422,
                "recovery": "Көрсетілген ең аз мәтіндік кірісті мұраланған басқару параметрлерінсіз қолданыңыз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Пайдалануға рұқсатты немесе баға ұсынысын байланыстыру мүмкін емес.",
                "http_status": 503,
                "recovery": "Жауапты сақтаңыз; саясатты басқасымен алмастырмаңыз.",
                "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": "Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.",
              "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": [
            "Қайтарылған әрбір векторды және индексті сақтаңыз.",
            "Бұл ең аз мәтіндік профильден сурет, аудио немесе файл объектілеріне қолдау бар деп тұжырымдалмайды."
          ],
          "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": "Токендердің базалық тарифтері",
            "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": "Эмбеддингтер",
        "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": "c3699719f5fde12505158f46c773334bd377a578823c7726e257cba6793e7b74",
    "input_html_sha256": "a4f3dfc3693012ab857cb1babcfe6fe744aa23dc4d22a12356e067d477b8ec4e",
    "private_audit_sha256": "6fa467e8f5aac013e039a8c71cc010316b5ccd7bf4a8dfdd825fc6be8073f7b6",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/kk/google-gemini-embedding-2-preview/",
    "description": "Gemini Embedding 2 Preview мәтінді, суреттерді, аудионы, бейнені және PDF-ті бір мультимодальді кеңістіктегі сандық векторларға айналдырады. Бөлек құжатталған Preview профилі модальділіктер арасындағы іздеу мен салыстыруды, 8192 токендік кірісті және икемді вектор өлшемдерін қолдайды.",
    "locale": "kk",
    "md_url": "https://ailoot.ai/models/kk/google-gemini-embedding-2-preview/index.md",
    "title": "Google: Gemini Embedding 2 Preview — Ailoot",
    "url": "https://ailoot.ai/models/kk/google-gemini-embedding-2-preview/"
  },
  "rawModel": {
    "about": "Gemini Embedding 2 Preview — Google-дың төл мультимодальді эмбеддинг модельдер тобының өз атауы бар алдын ала нұсқасы. Ол мәтінді, суреттерді, бейнені, аудионы және PDF-ті ортақ сандық кеңістікке бейнелейді; мағыналық ниет 100-ден астам тілде көрсетіледі. Шығысы — эмбеддингтер: байланысты материалды салыстыруға және табуға арналған векторлар. Бұл Preview нұсқасы тұрақты Gemini Embedding 2 нұсқасынан бөлек болып қалады және салмақтарының өзара алмастырылатынын немесе векторлық кеңістігінің бірдей екенін білдірмейді.\n\nБастапқы хабарландыру кейінгі қолданыстар ретінде модальділіктер арасындағы іздеуді, жіктеуді, кластерлеуді, тональділікті талдауды және іздеумен толықтырылған генерацияны сипаттайды. Мәтіндік сұрау байланысты көрнекі нысанды таба алады, ал сурет немесе клип те іздеудің бастапқы материалы бола алады. Қолданба көрсетілімдерді сақтайды, салыстырады және тиісті жазбаларды қайтарады; бөлек тіл моделі жауап құрастыру үшін табылған бастапқы материалды қолдана алады. Эмбеддингтің өзінде табиғи тілдегі түсіндірме немесе транскрипт болмайды.\n\nМодельдің өз парағы 8192 токендік кіріс шегін және 128-ден 3072-ге дейінгі шығыс өлшемдерін құжаттайды; ұсынылатын өлшемдер — 768, 1536 және 3072. Preview хабарландыруы әдепкі өлшемді 3072 деп беріп, көрсетілімнің қысқартылған бастапқы бөліктерінде пайдалы ақпаратты сақтайтын Matryoshka Representation Learning әдісін сипаттайды. Салыстырылатын векторларға бір таңдалған өлшем қолданып, көрсетілімдерді тек ұзындығы сәйкес болғаны үшін біріктірмей, модель нұсқасын жинақпен бірге сақтаңыз.\n\nPreview хабарландыруы бір сұрауға ең көбі алты PNG немесе JPEG суретін, 120 секундқа дейін MP4 немесе MOV бейнесін және алты бетке дейінгі PDF құжаттарын құжаттайды. Сондай-ақ аралық мәтін транскриптінсіз тікелей аудио эмбеддингін жасауды сипаттайды. Бұл сипаттамалар кейінгі тұрақты нұсқа нұсқаулығынан емес, Preview нұсқасының өз хабарландыруынан алынған. Хабарландыру осы нақты Preview профилі үшін аудио ұзақтығының, кодектердің немесе кадр іріктеуінің барлық қазіргі шектеулерін белгілемейді.\n\nКезектескен мультимодальді кіріс көрсетілімге сурет пен оның жазуы сияқты медиа арасындағы байланыстарды көрсетуге мүмкіндік береді. Өнім каталогында фотосурет пен бекітілген сипаттама бір ізделетін нысанды сипаттаса, оларды бірге беріңіз. Құжат жинағында дереккөзді нақты тақырыпқа арналған үзінділерге немесе беттерге бөліп, атауы мен орнын сақтаңыз. Медиа кітапханасында пайдаланушылар табуы тиіс оқиғаға сәйкес клипті таңдап, бастапқы уақыт аралығын сақталған жазбамен бірге ұстаңыз.\n\nПайдалы іздеу тапсырмасы көзделген байланысты анық көрсетеді. Түсіндірме сұрайтын сұрақ, көрнекі ұқсас нысандарды іздеу және тақырып бойынша кластерлеу — бір бастапқы жинақты пайдаланса да, әртүрлі тапсырмалар. Мазмұнды бірізді дайындап, нұсқа мен өлшемді жазып, әр векторды дереккөзімен байланыстырыңыз. Ұқсастық қолданба тексеретін кандидаттарды береді; ол екі жазба бір фактіні айтатынын немесе табылған дереккөз сұраққа толық жауап беретінін дәлелдемейді.\n\nПрактикалық медиа іздеу үшін таңдалған суретті немесе бейне үзіндісін көрсетілімге айналдырып, қажетті мазмұнның сипаттамасымен салыстырыңыз. Пайдаланушы тексере алуы үшін сәйкес дереккөзді жазуымен немесе уақыт аралығымен бірге көрсетіңіз. Білім көмекшісі үшін жазбаша жауап генерациялаудан бұрын тиісті бетті немесе үзіндіні табыңыз. Preview моделінің рөлі — осы іріктеу қадамдарын қолдайтын мультимодальді сандық көрсетілім; сақтау, реттеу ережелері және соңғы жауап айналасындағы қолданбаның бөліктері болып қалады.",
    "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": "Конфигурация бағалары туралы толық ақпарат — егжей-тегжейлі мәліметтерде."
      }
    ],
    "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": "Модель жоқ немесе JSON құрылымы қате.",
                "http_status": 400,
                "recovery": "Көрсетілген өрістерді түзетіңіз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Бапталған сұрау денесінің көлем шегі асып кетті.",
                "http_status": 413,
                "recovery": "Нақты материал көлемін азайтыңыз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Кіріс деректері немесе басқару параметрлері қолданыстағы арнайы саясатты бұзады.",
                "http_status": 422,
                "recovery": "Көрсетілген ең аз мәтіндік кірісті мұраланған басқару параметрлерінсіз қолданыңыз.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Пайдалануға рұқсатты немесе баға ұсынысын байланыстыру мүмкін емес.",
                "http_status": 503,
                "recovery": "Жауапты сақтаңыз; саясатты басқасымен алмастырмаңыз.",
                "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": "Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.",
              "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": [
            "Қайтарылған әрбір векторды және индексті сақтаңыз.",
            "Бұл ең аз мәтіндік профильден сурет, аудио немесе файл объектілеріне қолдау бар деп тұжырымдалмайды."
          ],
          "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": "Токендердің базалық тарифтері",
            "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": "Эмбеддингтер",
        "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": "Gemini Embedding 2 Preview мәтінді, суреттерді, аудионы, бейнені және PDF-ті бір мультимодальді кеңістіктегі сандық векторларға айналдырады. Бөлек құжатталған Preview профилі модальділіктер арасындағы іздеу мен салыстыруды, 8192 токендік кірісті және икемді вектор өлшемдерін қолдайды."
  },
  "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": "Gemini Embedding 2 Preview мәтінді, суреттерді, аудионы, бейнені және PDF-ті бір мультимодальді кеңістіктегі сандық векторларға айналдырады. Бөлек құжатталған Preview профилі модальділіктер арасындағы іздеу мен салыстыруды, 8192 токендік кірісті және икемді вектор өлшемдерін қолдайды.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "0e2d0b3df1250f252fb6c4e3475435fc3daf276c333667f04300e985b07bd930",
    "renderer_sha256": "def3bb6e69c8ddb72f88ec6540bbe55d0e503790f964d84073ecda781b13bedf"
  },
  "sourceRevision": "8d12872f79e5ee328ace03a7f9711d7a7bba824690b4324552d14fbdd0e77873"
}