Google: Gemini Embedding 2

Gemini Embedding 2는 텍스트, 이미지, 오디오, 비디오, PDF를 공통 수치 공간에 매핑합니다. 벡터는 교차 모달 검색, 정보 검색, 분류, 군집화를 지원하며, 유연한 차원과 8,192토큰 입력 한도를 제공합니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings google/gemini-embedding-2

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Gemini Embedding 2는 텍스트, 이미지, 비디오, 오디오, PDF를 수치로 표현하는 Google의 멀티모달 임베딩 모델입니다. 서로 다른 미디어 유형을 공통 공간에 매핑하므로 애플리케이션이 유형을 넘나들며 의미를 비교할 수 있습니다. 결과는 의미 검색, 문서 검색, 추천, 분류, 군집화에 유용한 숫자 벡터이며, 글로 된 답변이나 생성된 미디어 파일이 아닙니다. Google은 100개가 넘는 언어의 의미적 범위를 문서화합니다.

지식 베이스에서는 원본 지문의 벡터를 만들고 사용자 질의를 비교해 관련 자료를 검색하세요. 이후 별도 텍스트 모델이 해당 원본으로 답변을 작성할 수 있습니다. 미디어 컬렉션에서는 텍스트 설명으로 관련 이미지나 비디오를 검색할 수 있고, 이미지도 질의로 사용할 수 있습니다. 검색 결과를 살펴보고 원래 맥락에서 보여줄 수 있도록, 페이지나 클립 참조를 포함해 각 벡터와 원본 콘텐츠의 연결을 보존하세요.

전체 입력 한도는 8,192토큰입니다. 안정판 모델 가이드는 최대 6개 PNG 또는 JPEG 이미지, 최대 180초 MP3 또는 WAV 오디오, 최대 120초 MP4 또는 MOV 비디오를 허용합니다. 문서화된 비디오 코덱은 H264, H265, AV1, VP9입니다. 비디오 처리는 최대 32개 프레임을 사용합니다. 최대 32초 클립은 초당 한 프레임을 샘플링하고, 더 긴 클립은 균등하게 32개 프레임을 샘플링합니다. 비디오 입력에서는 해당 비디오의 오디오 트랙을 처리하지 않습니다. 검색에 소리가 중요하면 별도로 임베딩하세요.

PDF 입력은 최대 6페이지인 파일 하나를 허용합니다. Google은 최상의 품질을 위해 PDF당 한 페이지를 권장합니다. 더 큰 원본을 의미 있는 페이지나 섹션으로 나누고 원본 문서와의 관계를 유지하세요. 한도 안에 들어온다는 이유만으로 무관한 자료를 합치기보다 검색할 내용을 나타내는 발췌를 선택하세요. 혼합 미디어 요청에도 공통 토큰 경계가 적용됩니다. 각 PDF 페이지는 추출 텍스트 토큰 외에 시각 토큰 258개를 소비합니다. Google의 문서화된 워크플로에서는 공통 8,192토큰 한도를 넘는 콘텐츠가 오류 없이 잘립니다.

출력 차원은 128부터 3,072까지 유연하며, 기본값은 3,072이고 권장 크기는 768, 1,536, 3,072입니다. 모델은 Matryoshka Representation Learning을 사용하므로 더 작은 차원에서도 벡터 앞부분이 유용하게 유지됩니다. 가이드는 기본 벡터와 단축 벡터 모두의 자동 정규화를 문서화합니다. 애플리케이션이 비교하는 레코드와 질의의 차원을 일관되게 선택하세요. 요청 크기는 수치 표현을 바꾸며, 원본 콘텐츠 자체를 바꾸지 않습니다.

텍스트 전용 작업에서는 이전 task_type 필드 대신 텍스트에 목적을 포함하세요. Google은 비대칭 검색과 대칭 비교를 구분합니다. 검색 질의에는 “task: search result | query: {content}”를, 원본 문서에는 “title: {title} | text: {content}”를 사용하며, 제목이 없으면 “title: none”을 사용하세요. 질의응답, 사실 확인, 코드 검색 작업에는 고유한 질의 접두사가 있습니다. 분류, 군집화, 문장 유사도에는 같은 작업 형식을 양쪽에 일관되게 사용하세요. 가이드는 일반적으로 결합된 멀티모달 표현의 텍스트 부분에 작업 접두사를 추가하지 말 것을 권장합니다.

입력 구조는 결과가 결합된 대상 하나를 나타낼지 별도 항목들을 나타낼지 결정합니다. 여러 부분을 함께 제공하면 집계된 임베딩을 만들고, Content 객체를 분리하면 항목마다 별도 임베딩을 만듭니다. 텍스트와 사진이 있는 게시물은 결합 표현으로 관계를 포착할 수 있습니다. 독립적으로 검색할 레코드는 분리하세요. 이 선택은 검색 단위에 영향을 줍니다. 게시물 전체의 벡터 하나와 지문 또는 이미지 각각의 벡터는 다릅니다.

가이드는 Gemini Embedding 001과 Gemini Embedding 2의 벡터가 호환되지 않는 공간에 있으며 직접 비교할 수 없다고 명시합니다. 이전 모델에서 옮긴 컬렉션은 새 공간에 맞춰 다시 임베딩해야 합니다. 비교할 벡터의 모델 선택과 차원을 일관되게 유지하고, 원문과 미디어는 수치 색인과 별도로 보존하세요. 임베딩 유사도는 검색 신호이며, 문서가 사용자 질문에 답하는 이유에 대한 사실적 설명이 아닙니다.

실제 카탈로그에서는 제품 사진과 승인된 설명을 하나의 대상으로 검색해야 할 때 함께 임베딩하세요. 문서 컬렉션에서는 초점을 좁힌 지문을 임베딩하고 목적에 맞게 형식을 지정한 질의와 비교한 뒤, 검색 결과 옆에 원문 지문을 제시하세요. 오디오나 비디오는 검색할 사건을 설명하는 구간을 선택하고 원래 시간 범위를 유지하세요. 유용한 산출물은 애플리케이션의 다음 검색 또는 분석 단계에서 사용할 원본 근거에 연결된 수치 표현입니다.

Ailoot Ultra · 임베딩 POST /v1/embeddings google/gemini-embedding-2

google/gemini-embedding-2

Google /google/gemini-embedding-2

시작하기

허용 입력: 텍스트 · token_ids
결과: embedding

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 임베딩 POST /v1/embeddings

입력: text, token_ids
출력: embedding
컨텍스트: 8,192 tokens
출력 형식: json

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 google/gemini-embedding-2	기본값—
필드`input`	유형`string\|string[]\|integer[]\|integer[][]`	요건필수	값과 한도 최소 항목 수: 1 조건: 비어 있지 않은 동일 형식의 배치입니다. 토큰 ID는 0 이상의 정수입니다. 입력 허용량: 최댓값: 8,192 · 텍스트 단위: UTF8 바이트 · 토큰 단위: 토큰 배열 요소	기본값—
필드`encoding_format`	유형`string`	요건선택 사항	값과 한도 float	기본값float
필드`dimensions`	유형`integer`	요건지원되지 않음	값과 한도 최솟값: 1	기본값—
필드`user`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`session_id`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`trace`	유형`json_value`	요건선택 사항	값과 한도 조건: 원본에서 이 JSON 메타데이터 필드를 허용하며, 정확한 업스트림 동작은 모델별로 다릅니다.	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도 조건: provider.options가 거부됨	기본값—

입력 자료 조합

text_to_embedding

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input
매개변수`input_shapes`	명세string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
매개변수`encoding_format`	명세float
매개변수`dimensions_override`	명세false
매개변수`max_input_budget_units`	명세8192
매개변수`multimodal_objects`	명세false
매개변수`material_types`	명세text, token_ids

수명 주기: synchronous_json

모든 벡터의 인덱스와 차원을 보관하세요.

모델 이름이 멀티모달이어도 이 특정 경로에서 이미지 객체를 사용할 수 있는 것은 아닙니다.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 표준 요금 빠른 모드를 선택한 경우
Flex 모드: 표준 요금 flex 모드를 선택한 경우
최대 추론 수준: 표준 요금 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

설정	요금표	요금
설정토큰의 기본 단가	요금표기본 요금	요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 임베딩

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "google/gemini-embedding-2", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT

from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='google/gemini-embedding-2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

결과 수신 및 저장

Ailoot Ultra · 임베딩

json

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

모든 벡터를 인덱스와 함께 보관하세요. 벡터 수는 입력 수와 같아야 하며 차원은 일관되어야 합니다.

원래 응답을 확인해야 할 경우

임베딩 작업 엔드포인트는 추가되지 않습니다.

응답 필드

필드	유형
필드`object`	유형string
필드`model`	유형string
필드`data[].index`	유형integer
필드`data[].embedding`	유형finite float[]
필드`usage`	유형object

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.

별칭

모델 별칭

Ailoot Ultra google/gemini-embedding-2

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Google: Gemini Embedding 2