Google: Gemini Embedding 2 Preview

Gemini Embedding 2 Preview menukarkan teks, imej, audio, video dan PDF kepada vektor berangka dalam satu ruang multimodal. Profil pratonton yang didokumenkan secara berasingan ini menyokong pemerolehan semula dan perbandingan merentas modaliti, input 8,192 token serta dimensi vektor fleksibel.

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

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Gemini Embedding 2 Preview ialah nama edisi pratonton dalam keluarga embedding multimodal natif Google. Ia memetakan teks, imej, video, audio dan PDF kepada ruang berangka bersama, dengan niat semantik diwakili merentas lebih daripada 100 bahasa. Outputnya ialah embedding: vektor yang digunakan untuk membandingkan dan mendapatkan bahan berkaitan. Identiti pratonton ini kekal berasingan daripada edisi stabil Gemini Embedding 2 dan tidak membayangkan pemberat yang boleh saling ditukar ganti atau ruang vektor yang sama.

Pengumuman asal menerangkan carian merentas modaliti, pengelasan, pengelompokan, analisis sentimen dan penjanaan berasaskan pemerolehan semula sebagai aplikasi hiliran. Pertanyaan teks boleh mencari item visual berkaitan, manakala imej atau klip juga boleh menjadi sumber carian. Aplikasi menyimpan perwakilan, membandingkannya dan mengembalikan rekod sepadan; model bahasa berasingan boleh menggunakan bahan sumber yang diperoleh semula untuk mendraf jawapan. Embedding sendiri tidak mengandungi penjelasan bahasa semula jadi atau transkrip.

Halaman modelnya sendiri mendokumenkan had input 8,192 token dan dimensi output dari 128 hingga 3,072, dengan 768, 1,536 dan 3,072 sebagai saiz yang disyorkan. Pengumuman pratonton memberikan nilai lalai 3,072 dan menerangkan Matryoshka Representation Learning, yang mengekalkan maklumat berguna dalam bahagian awal perwakilan yang lebih pendek. Gunakan satu dimensi terpilih untuk vektor yang mesti dibandingkan dan simpan edisi model bersama koleksi, bukannya menggabungkan perwakilan semata-mata kerana panjangnya sepadan.

Pengumuman pratonton mendokumenkan sehingga enam imej PNG atau JPEG bagi setiap permintaan, video MP4 atau MOV sehingga 120 saat dan dokumen PDF sehingga enam halaman. Ia turut mendokumenkan embedding audio langsung tanpa transkripsi teks perantaraan. Spesifikasi ini datang daripada pengumuman pratonton itu sendiri, bukan panduan stabil kemudian. Pengumuman tersebut tidak menetapkan setiap had semasa tempoh audio, codec atau pensampelan bingkai untuk profil pratonton tepat ini.

Input multimodal berselang-seli membolehkan perwakilan mencerminkan hubungan antara media, seperti gambar dan kapsyennya. Untuk katalog produk, berikan foto dan penerangan yang diluluskan bersama-sama apabila kedua-duanya menerangkan satu objek yang boleh diperoleh semula. Untuk koleksi dokumen, bahagikan sumber kepada petikan atau halaman terfokus dan simpan tajuk serta kedudukannya. Untuk perpustakaan media, pilih klip yang sepadan dengan peristiwa yang patut ditemui pengguna dan simpan julat masa asal bersama rekod tersimpan.

Tugas pemerolehan semula yang berguna menjelaskan hubungan yang dimaksudkan. Soalan yang mencari penjelasan, carian item serupa secara visual dan pengelompokan mengikut topik ialah tugas berbeza walaupun menggunakan koleksi sumber yang sama. Sediakan kandungan secara konsisten, rekodkan edisi dan dimensi serta pastikan setiap vektor dipautkan kepada sumber. Keserupaan membekalkan calon untuk diperiksa aplikasi; ia bukan bukti bahawa dua rekod menyatakan fakta yang sama atau sumber yang diperoleh semula menjawab soalan sepenuhnya.

Untuk carian media praktikal, wakili imej atau petikan video terpilih dan bandingkannya dengan penerangan kandungan yang dikehendaki. Bentangkan sumber sepadan bersama kapsyen atau julat masanya supaya pengguna dapat menyemak. Untuk pembantu pengetahuan, dapatkan halaman atau petikan relevan sebelum menjana respons bertulis. Peranan model Preview ialah perwakilan berangka multimodal yang menyokong langkah pemilihan itu, manakala penyimpanan, peraturan kedudukan dan jawapan akhir kekal bahagian aliran kerja di sekelilingnya.

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

google/gemini-embedding-2-preview

Google /google/gemini-embedding-2-preview

Pengenalan

Input yang diterima: Teks
Hasil: embedding

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Pembenaman POST /v1/embeddings

Input: text
Output: embedding
Konteks: 8,192 tokens
Format output: json

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had google/gemini-embedding-2-preview	Lalai—
Medan`input`	Jenis`string\|string[]`	KeperluanDiperlukan	Nilai & had	Lalai—

Gabungan bahan input

text_to_embedding

Parameter kaedah dan kitar hayat

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input
Parameter`input_shapes`	Kontrakstring, string[]
Parameter`material_types`	Kontraktext

Kitar hayat: synchronous_json

Simpan setiap vektor dan indeks yang dikembalikan.

Tiada sokongan imej/audio/objek fail disimpulkan daripada profil teks minimum ini.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas: Tidak dinyatakan Apabila mod pantas dipilih
Mod flex: Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum: Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

Konfigurasi	Jadual kadar	Caj
KonfigurasiKadar asas token	Jadual kadarKadar asas	Caj Input · Token input $0.0004 / 1K token Output · Token output $0 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Pembenaman

Badan JSON minimum yang lengkapcurl · permintaan pembenaman teks minimum

{
  "model": "google/gemini-embedding-2-preview",
  "input": [
    "First document",
    "Second document"
  ]
}

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
cat > embedding-request.json <<'JSON_REQUEST'
{
  "model": "google/gemini-embedding-2-preview",
  "input": [
    "First document",
    "Second document"
  ]
}
JSON_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @embedding-request.json -o embedding-response.json

Terima dan simpan hasil

Ailoot Ultra · Pembenaman

json

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

Medan	Jenis
Medan`object`	Jenisstring
Medan`model`	Jenisstring
Medan`data[].index`	Jenisinteger
Medan`data[].embedding`	Jenisfinite float[]
Medan`usage`	Jenisobject

Ralat dan langkah seterusnya

Respons	Syarat	Langkah seterusnya
Respons400 · `invalid_request_error`	SyaratModel tiada atau JSON cacat.	Langkah seterusnyaBetulkan medan yang dinyatakan.
Respons413 · `invalid_request_error`	SyaratHad badan permintaan yang dikonfigurasi telah dilebihi.	Langkah seterusnyaKurangkan bahan sebenar.
Respons422 · `invalid_request_error`	SyaratInput atau kawalan melanggar dasar khusus semasa.	Langkah seterusnyaGunakan input teks minimum yang ditunjukkan tanpa kawalan yang diwarisi.
Respons503 · `billing_error`	SyaratKebenaran akses atau sebut harga tidak dapat diikat.	Langkah seterusnyaSimpan respons; jangan gantikan dasar.

Alias

Alias model

Ailoot Ultra google/gemini-embedding-2-preview

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

google/gemini-embedding-2-preview

FAQ · Google: Gemini Embedding 2 Preview

Apakah input dan hasil yang tersedia?: POST /v1/embeddings · google/gemini-embedding-2-preview: text → embedding
Apakah medan yang digunakan oleh permintaan?: POST /v1/embeddings · google/gemini-embedding-2-preview: model, input
Apakah had yang terpakai?: POST /v1/embeddings · google/gemini-embedding-2-preview: ctx: 8192

Google: Gemini Embedding 2 Preview