Source: https://ailoot.ai/models/ms/google-gemini-embedding-2-preview/
Canonical: https://ailoot.ai/models/ms/google-gemini-embedding-2-preview/
Language: ms

# Google: Gemini Embedding 2 Preview

[Markdown](https://ailoot.ai/models/ms/google-gemini-embedding-2-preview/index.md) · [JSON](https://ailoot.ai/models/ms/google-gemini-embedding-2-preview/facts.json)

## [Google: Gemini Embedding 2 Preview](https://ailoot.ai/models/ms/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`](https://ailoot.ai/models/ms/google-gemini-embedding-2-preview/#method-0)

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`](https://ailoot.ai/models/ms/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings)

Google /`google/gemini-embedding-2-preview`

### Pengenalan

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.

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 →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

Badan JSON minimum yang lengkapcurl · permintaan pembenaman teks minimum

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

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

### 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`](https://ailoot.ai/models/ms/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`google/gemini-embedding-2-preview`](https://ailoot.ai/models/ms/#m=google%2Fgemini-embedding-2-preview&route=Ultra&caller=google%2Fgemini-embedding-2-preview&fmt=embeddings)

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`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.