Source: https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/ Canonical: https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/ Language: pt-pt # Google: Gemini Embedding 2 [Markdown](https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/index.md) · [JSON](https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/facts.json) ## [Google: Gemini Embedding 2](https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/) Gemini Embedding 2 converte texto, imagens, áudio, vídeo e PDF num espaço numérico partilhado. Os seus vetores suportam pesquisa entre modalidades, recuperação, classificação e agrupamento, com dimensões flexíveis e um limite de entrada de 8192 tokens. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `google/gemini-embedding-2`](https://ailoot.ai/models/pt-pt/google-gemini-embedding-2/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. Gemini Embedding 2 é o modelo de embeddings multimodais da Google para representação numérica de texto, imagens, vídeo, áudio e PDF. Converte os diferentes tipos de conteúdos multimédia num espaço partilhado, para que uma aplicação possa comparar o significado entre eles. O resultado é um vetor de números, útil para pesquisa semântica, recuperação documental, recomendação, classificação ou agrupamento; não é uma resposta escrita nem um ficheiro multimédia gerado. A Google documenta cobertura semântica em mais de 100 línguas. Numa base de conhecimento, crie vetores para as passagens de origem, compare uma consulta do utilizador com eles e recupere o material relevante. Um modelo textual separado pode depois compor uma resposta utilizando essas fontes. Numa coleção multimédia, uma descrição textual pode pesquisar imagens ou vídeos relacionados; uma imagem também pode fornecer a consulta. Preserve a ligação de cada vetor ao conteúdo original, incluindo uma referência de página ou excerto, para que o resultado recuperado possa ser examinado e mostrado no seu contexto original. O limite global de entrada é de 8192 tokens. O guia do modelo estável permite até seis imagens PNG ou JPEG, até 180 segundos de áudio MP3 ou WAV e até 120 segundos de vídeo MP4 ou MOV. Os codecs de vídeo documentados são H264, H265, AV1 e VP9. O processamento de vídeo utiliza no máximo 32 fotogramas: excertos de até 32 segundos são amostrados a um fotograma por segundo, enquanto excertos mais longos são amostrados uniformemente até 32 fotogramas. A faixa de áudio de um vídeo não é processada nessa entrada de vídeo; gere o embedding do som separadamente quando importar para a recuperação. A entrada PDF aceita um ficheiro com no máximo seis páginas. A Google recomenda uma página por PDF para obter a melhor qualidade. Divida uma fonte maior em páginas ou secções significativas e conserve a sua relação com o documento original. Escolha um excerto que represente o que deve ser recuperável, em vez de combinar materiais sem relação apenas porque cabem no limite. O limite partilhado de tokens continua a aplicar-se a um pedido com conteúdos multimédia mistos. Cada página PDF consome 258 tokens visuais, além dos tokens do seu texto extraído. No fluxo documentado da Google, o conteúdo que excede o limite partilhado de 8192 tokens é truncado sem erro. A dimensionalidade de saída é flexível de 128 a 3072, com 3072 como predefinição e 768, 1536 e 3072 como tamanhos recomendados. O modelo utiliza Matryoshka Representation Learning, pelo que os prefixos do vetor continuam úteis em dimensões menores. O seu guia documenta normalização automática tanto para os vetores predefinidos como para os encurtados. Escolha uma dimensão consistente para os registos e consultas que a sua aplicação compara; o tamanho pedido altera a representação numérica, não o próprio conteúdo de origem. Para tarefas apenas textuais, inclua o propósito no texto em vez de utilizar o campo mais antigo task\_type. A Google distingue recuperação assimétrica de comparação simétrica. Uma consulta de pesquisa utiliza «task: search result | query: {content}», enquanto um documento de origem utiliza «title: {title} | text: {content}»; utilize «title: none» se não tiver título. As tarefas de pergunta-resposta, verificação de factos e recuperação de código têm os seus próprios prefixos de consulta. Para classificação, agrupamento ou similaridade entre frases, utilize o mesmo formato de tarefa de forma consistente nos dois lados. O guia geralmente desaconselha acrescentar um prefixo de tarefa à parte textual de uma representação multimodal combinada. A estrutura da entrada determina se o resultado representa um objeto combinado ou elementos separados. Várias partes fornecidas em conjunto criam um embedding agregado; objetos Content separados criam embeddings separados para cada entrada. Numa publicação com texto e imagem, uma representação combinada pode captar a sua relação. Para registos pesquisáveis de forma independente, mantenha-os separados. Esta escolha afeta a granularidade de recuperação: um vetor para uma publicação inteira é diferente de um para cada passagem ou imagem. O guia indica que os vetores de Gemini Embedding 001 e Gemini Embedding 2 ocupam espaços incompatíveis e não podem ser comparados diretamente. Uma coleção migrada do modelo anterior precisa de novos embeddings para o novo espaço. Mantenha a escolha de modelo e as dimensões consistentes com os vetores comparados e conserve o texto e os conteúdos multimédia originais separadamente do índice numérico. A similaridade de um embedding é um sinal de recuperação, em vez de uma explicação factual de por que razão um documento responde à pergunta do utilizador. Num catálogo prático, gere um embedding combinado da fotografia de um produto e da sua descrição aprovada quando o par deve ser recuperado como um objeto. Numa coleção documental, gere embeddings de passagens focadas e compare-os com uma consulta formatada segundo o propósito; depois apresente as passagens de origem juntamente com o resultado de pesquisa. Para áudio ou vídeo, escolha o episódio que descreve o evento pesquisável e conserve o seu intervalo temporal original. O entregável útil é uma representação numérica ligada a evidência de origem para a próxima etapa de pesquisa ou análise da aplicação. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `google/gemini-embedding-2` [`google/gemini-embedding-2`](https://ailoot.ai/models/pt-pt/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) Google /`google/gemini-embedding-2` ### Introdução Gemini Embedding 2 converte texto, imagens, áudio, vídeo e PDF num espaço numérico partilhado. Os seus vetores suportam pesquisa entre modalidades, recuperação, classificação e agrupamento, com dimensões flexíveis e um limite de entrada de 8192 tokens. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Contexto 8192 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites google/gemini-embedding-2 | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 8192 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato8192 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.0004** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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 ``` ```python 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) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`google/gemini-embedding-2`](https://ailoot.ai/models/pt-pt/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`google/gemini-embedding-2`](https://ailoot.ai/models/pt-pt/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) FAQ · Google: Gemini Embedding 2 Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `google/gemini-embedding-2`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `google/gemini-embedding-2`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `google/gemini-embedding-2`: `ctx`: `8192`; `input.budget.maximum`: `8192` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.