Source: https://ailoot.ai/models/ru/google-gemini-embedding-2/ Canonical: https://ailoot.ai/models/ru/google-gemini-embedding-2/ Language: ru # Google: Gemini Embedding 2 [Markdown](https://ailoot.ai/models/ru/google-gemini-embedding-2/index.md) · [JSON](https://ailoot.ai/models/ru/google-gemini-embedding-2/facts.json) ## [Google: Gemini Embedding 2](https://ailoot.ai/models/ru/google-gemini-embedding-2/) Gemini Embedding 2 отображает текст, изображения, аудио, видео и PDF в общее числовое пространство. Её векторы поддерживают межмодальный поиск, подбор материалов, классификацию и кластеризацию, с гибкой размерностью и лимитом входа 8192 токена. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `google/gemini-embedding-2`](https://ailoot.ai/models/ru/google-gemini-embedding-2/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Gemini Embedding 2 — мультимодальная модель эмбеддингов Google для числового представления текста, изображений, видео, аудио и PDF. Она отображает разные типы медиа в общее пространство, чтобы приложение могло сравнивать их смысл. Результат — вектор чисел, полезный для семантического поиска, подбора документов, рекомендаций, классификации или кластеризации; это не письменный ответ и не сгенерированный медиафайл. Google документирует семантический охват более чем 100 языков. Для базы знаний создайте векторы исходных фрагментов, сравните с ними запрос пользователя и найдите нужные материалы. Затем отдельная текстовая модель может составить ответ на основе этих источников. В медиаколлекции текстовое описание может искать связанные изображения или видео; изображение также может служить запросом. Сохраняйте связь каждого вектора с исходным контентом, включая ссылку на страницу или клип, чтобы найденный результат можно было проверить и показать в исходном контексте. Общий лимит входа — 8192 токена. Руководство стабильной модели допускает до шести изображений PNG или JPEG, до 180 секунд аудио MP3 или WAV и до 120 секунд видео MP4 или MOV. Документированные видеокодеки — H264, H265, AV1 и VP9. При обработке видео используется не более 32 кадров: из клипов длительностью до 32 секунд выбирается один кадр в секунду, а из более длинных клипов равномерно выбираются 32 кадра. Звуковая дорожка видео не обрабатывается в этом видеовходе; создайте эмбеддинг звука отдельно, если он важен для поиска. Вход PDF принимает один файл не более чем с шестью страницами. Для наилучшего качества Google рекомендует одну страницу на PDF. Разделяйте более крупный источник на осмысленные страницы или разделы и сохраняйте их связь с исходным документом. Выбирайте фрагмент, представляющий то, что должно находиться поиском, вместо объединения несвязанных материалов только потому, что они помещаются в лимит. Общая граница токенов по-прежнему действует для запроса со смешанными медиа. Каждая страница PDF расходует 258 визуальных токенов помимо токенов извлечённого текста. В документированном процессе Google контент, превышающий общий лимит 8192 токена, усекается без ошибки. Размерность выхода гибко меняется от 128 до 3072, со значением по умолчанию 3072 и рекомендуемыми размерами 768, 1536 и 3072. Модель использует Matryoshka Representation Learning, поэтому начальные части вектора остаются полезными при меньшей размерности. Руководство документирует автоматическую нормализацию как стандартных, так и укороченных векторов. Выберите единую размерность для записей и запросов, которые сравнивает приложение; запрошенный размер меняет числовое представление, а не сам исходный контент. Для задач только с текстом включайте назначение в текст вместо старого поля task\_type. Google различает асимметричный поиск и симметричное сравнение. Поисковый запрос использует «task: search result | query: {content}», а исходный документ — «title: {title} | text: {content}»; при отсутствии заголовка используйте «title: none». Задачи ответов на вопросы, проверки фактов и поиска кода имеют собственные префиксы запросов. Для классификации, кластеризации или сходства предложений последовательно используйте одинаковый формат задачи на обеих сторонах. Руководство в целом рекомендует не добавлять префикс задачи к текстовой части объединённого мультимодального представления. Структура входа определяет, представляет ли результат один объединённый объект или отдельные элементы. Несколько частей, переданных вместе, создают агрегированный эмбеддинг; отдельные объекты Content создают отдельные эмбеддинги для каждой записи. Для публикации с текстом и изображением объединённое представление может отразить их связь. Для записей, которые должны находиться независимо, сохраняйте разделение. Этот выбор влияет на детализацию поиска: один вектор для всей публикации отличается от вектора для каждого фрагмента или изображения. Руководство указывает, что векторы Gemini Embedding 001 и Gemini Embedding 2 занимают несовместимые пространства и не могут сравниваться напрямую. При переносе коллекции со старой модели требуется заново создать эмбеддинги для нового пространства. Согласуйте выбор модели и размерности со сравниваемыми векторами и храните исходные текст и медиа отдельно от числового индекса. Сходство эмбеддингов — сигнал для поиска, а не фактическое объяснение того, почему документ отвечает на вопрос пользователя. Для практического каталога создайте общий эмбеддинг фотографии товара и утверждённого описания, если эта пара должна находиться как один объект. Для коллекции документов создайте эмбеддинги целевых фрагментов и сравните их с запросом, отформатированным по назначению, затем покажите исходные фрагменты вместе с результатом поиска. Для аудио или видео выберите эпизод, описывающий искомое событие, и сохраните его исходный временной диапазон. Полезный результат — числовое представление, связанное с исходными доказательными материалами для следующего этапа поиска или анализа приложения. **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `google/gemini-embedding-2` [`google/gemini-embedding-2`](https://ailoot.ai/models/ru/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) Google /`google/gemini-embedding-2` ### Начало Gemini Embedding 2 отображает текст, изображения, аудио, видео и PDF в общее числовое пространство. Её векторы поддерживают межмодальный поиск, подбор материалов, классификацию и кластеризацию, с гибкой размерностью и лимитом входа 8192 токена. Допустимые входные данные Текст · token\_ids Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` Входные данные `text`, `token_ids` Результат `embedding` Контекст 8 192 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения google/gemini-embedding-2 | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 8 192 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт8192 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext, token\_ids | Жизненный цикл: `synchronous_json` Сохраняйте индекс и размерность каждого вектора. Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Стандартный тариф При выборе быстрого режима Режим flex Стандартный тариф При выборе режима flex Максимальная интенсивность рассуждений Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.0004** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Эмбеддинги json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`google/gemini-embedding-2`](https://ailoot.ai/models/ru/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`google/gemini-embedding-2`](https://ailoot.ai/models/ru/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) FAQ · Google: Gemini Embedding 2 Какие входные данные и результаты доступны? `POST /v1/embeddings` · `google/gemini-embedding-2`: `text`, `token_ids` → `embedding` Какие поля использует запрос? `POST /v1/embeddings` · `google/gemini-embedding-2`: `model`, `input`, `encoding_format`, `provider` Какие ограничения действуют? `POST /v1/embeddings` · `google/gemini-embedding-2`: `ctx`: `8192`; `input.budget.maximum`: `8192` (байты UTF8); `input.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.