{
  "aboutHtml": "<p>Gemini Embedding 2 Preview je pomenovaná edícia Preview natívnej rodiny multimodálnych embeddingov od Google. Text, obrázky, video, zvuk a PDF mapuje do spoločného číselného priestoru, pričom sémantický zámer sa reprezentuje vo viac ako 100 jazykoch. Výstupom sú embeddingy: vektory používané na porovnávanie a vyhľadávanie súvisiaceho materiálu. Identita tohto vydania Preview zostáva oddelená od stabilnej edície Gemini Embedding 2 a neznamená automaticky zameniteľné váhy ani totožný vektorový priestor.</p><p>Pôvodné oznámenie opisuje vyhľadávanie medzi modalitami, klasifikáciu, zhlukovanie, analýzu sentimentu a generovanie rozšírené o vyhľadávanie ako nadväzujúce použitia. Textový dopyt môže nájsť súvisiacu vizuálnu položku a obrázok či klip môže tiež slúžiť ako východisko vyhľadávania. Aplikácia ukladá reprezentácie, porovnáva ich a vracia zodpovedajúce záznamy; samostatný jazykový model môže použiť vyhľadaný zdrojový materiál na návrh odpovede. Samotný embedding neobsahuje vysvetlenie v prirodzenom jazyku ani prepis.</p><p>Vlastná stránka modelu dokumentuje vstupný limit 8192 tokenov a výstupné rozmery od 128 do 3072 s odporúčanými veľkosťami 768, 1536 a 3072. Oznámenie Preview uvádza predvolených 3072 a opisuje Matryoshka Representation Learning, ktoré zachováva užitočné informácie v kratších prefixoch reprezentácie. Pre vektory, ktoré sa musia porovnávať, zachovajte jeden zvolený rozmer a edíciu modelu uchovajte s kolekciou namiesto spájania reprezentácií iba pre zhodnú dĺžku.</p><p>Oznámenie Preview dokumentuje najviac šesť obrázkov PNG alebo JPEG na požiadavku, najviac 120 sekúnd videa MP4 alebo MOV a dokumenty PDF najviac so šiestimi stranami. Dokumentuje tiež priame vytváranie embeddingov zvuku bez medzikroku textového prepisu. Tieto špecifikácie pochádzajú z vlastného oznámenia Preview, nie z neskoršej príručky stabilnej edície. Oznámenie nestanovuje všetky aktuálne limity trvania zvuku, kodekov alebo vzorkovania snímok pre tento konkrétny profil Preview.</p><p>Striedajúci sa multimodálny vstup umožňuje reprezentácii odrážať vzťahy medzi médiami, napríklad obrázkom a jeho popisom. Pri produktovom katalógu poskytnite fotografiu a schválený opis spolu, keď opisujú jeden vyhľadateľný objekt. Pri kolekcii dokumentov rozdeľte zdroj na zamerané pasáže alebo strany a zachovajte názov a umiestnenie. Pri mediálnej knižnici vyberte klip zodpovedajúci udalosti, ktorú majú používatelia nájsť, a s uloženým záznamom uchovajte pôvodný časový rozsah.</p><p>Užitočná vyhľadávacia úloha jasne určuje zamýšľaný vzťah. Otázka hľadajúca vysvetlenie, hľadanie vizuálne podobných položiek a zhlukovanie podľa témy sú odlišné úlohy, aj keď používajú rovnakú zdrojovú kolekciu. Obsah pripravujte konzistentne, zaznamenajte edíciu a rozmer a každý vektor ponechajte prepojený so zdrojom. Podobnosť poskytuje kandidátov na preskúmanie aplikáciou; nie je dôkazom, že dva záznamy tvrdia rovnaký fakt alebo že vyhľadaný zdroj úplne odpovedá na otázku.</p><p>Pri praktickom mediálnom vyhľadávaní reprezentujte vybraný obrázok alebo výňatok videa a porovnajte ho s opisom požadovaného obsahu. Zodpovedajúci zdroj zobrazte s popisom alebo časovým rozsahom, aby ho používateľ mohol skontrolovať. Pri znalostnom asistentovi pred generovaním písomnej odpovede vyhľadajte príslušnú stranu alebo pasáž. Úlohou modelu Preview je multimodálna číselná reprezentácia podporujúca tieto výberové kroky, zatiaľ čo uloženie, pravidlá zoradenia a konečná odpoveď zostávajú časťami okolitého pracovného postupu.</p>",
  "aboutText": "Gemini Embedding 2 Preview je pomenovaná edícia Preview natívnej rodiny multimodálnych embeddingov od Google. Text, obrázky, video, zvuk a PDF mapuje do spoločného číselného priestoru, pričom sémantický zámer sa reprezentuje vo viac ako 100 jazykoch. Výstupom sú embeddingy: vektory používané na porovnávanie a vyhľadávanie súvisiaceho materiálu. Identita tohto vydania Preview zostáva oddelená od stabilnej edície Gemini Embedding 2 a neznamená automaticky zameniteľné váhy ani totožný vektorový priestor.\n\nPôvodné oznámenie opisuje vyhľadávanie medzi modalitami, klasifikáciu, zhlukovanie, analýzu sentimentu a generovanie rozšírené o vyhľadávanie ako nadväzujúce použitia. Textový dopyt môže nájsť súvisiacu vizuálnu položku a obrázok či klip môže tiež slúžiť ako východisko vyhľadávania. Aplikácia ukladá reprezentácie, porovnáva ich a vracia zodpovedajúce záznamy; samostatný jazykový model môže použiť vyhľadaný zdrojový materiál na návrh odpovede. Samotný embedding neobsahuje vysvetlenie v prirodzenom jazyku ani prepis.\n\nVlastná stránka modelu dokumentuje vstupný limit 8192 tokenov a výstupné rozmery od 128 do 3072 s odporúčanými veľkosťami 768, 1536 a 3072. Oznámenie Preview uvádza predvolených 3072 a opisuje Matryoshka Representation Learning, ktoré zachováva užitočné informácie v kratších prefixoch reprezentácie. Pre vektory, ktoré sa musia porovnávať, zachovajte jeden zvolený rozmer a edíciu modelu uchovajte s kolekciou namiesto spájania reprezentácií iba pre zhodnú dĺžku.\n\nOznámenie Preview dokumentuje najviac šesť obrázkov PNG alebo JPEG na požiadavku, najviac 120 sekúnd videa MP4 alebo MOV a dokumenty PDF najviac so šiestimi stranami. Dokumentuje tiež priame vytváranie embeddingov zvuku bez medzikroku textového prepisu. Tieto špecifikácie pochádzajú z vlastného oznámenia Preview, nie z neskoršej príručky stabilnej edície. Oznámenie nestanovuje všetky aktuálne limity trvania zvuku, kodekov alebo vzorkovania snímok pre tento konkrétny profil Preview.\n\nStriedajúci sa multimodálny vstup umožňuje reprezentácii odrážať vzťahy medzi médiami, napríklad obrázkom a jeho popisom. Pri produktovom katalógu poskytnite fotografiu a schválený opis spolu, keď opisujú jeden vyhľadateľný objekt. Pri kolekcii dokumentov rozdeľte zdroj na zamerané pasáže alebo strany a zachovajte názov a umiestnenie. Pri mediálnej knižnici vyberte klip zodpovedajúci udalosti, ktorú majú používatelia nájsť, a s uloženým záznamom uchovajte pôvodný časový rozsah.\n\nUžitočná vyhľadávacia úloha jasne určuje zamýšľaný vzťah. Otázka hľadajúca vysvetlenie, hľadanie vizuálne podobných položiek a zhlukovanie podľa témy sú odlišné úlohy, aj keď používajú rovnakú zdrojovú kolekciu. Obsah pripravujte konzistentne, zaznamenajte edíciu a rozmer a každý vektor ponechajte prepojený so zdrojom. Podobnosť poskytuje kandidátov na preskúmanie aplikáciou; nie je dôkazom, že dva záznamy tvrdia rovnaký fakt alebo že vyhľadaný zdroj úplne odpovedá na otázku.\n\nPri praktickom mediálnom vyhľadávaní reprezentujte vybraný obrázok alebo výňatok videa a porovnajte ho s opisom požadovaného obsahu. Zodpovedajúci zdroj zobrazte s popisom alebo časovým rozsahom, aby ho používateľ mohol skontrolovať. Pri znalostnom asistentovi pred generovaním písomnej odpovede vyhľadajte príslušnú stranu alebo pasáž. Úlohou modelu Preview je multimodálna číselná reprezentácia podporujúca tieto výberové kroky, zatiaľ čo uloženie, pravidlá zoradenia a konečná odpoveď zostávajú časťami okolitého pracovného postupu.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "4c087d0a96030f474732f851877deba50e27aeb6f058d787a7c60f0c6f81ca19",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "sk",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">G</span><h2 id=\"sheet-title\">Google: Gemini Embedding 2 Preview</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Zavrieť\">×</button></div><div class=\"idline\"><span>Google /</span><code>google/gemini-embedding-2-preview</code><button type=\"button\" id=\"copy-id\">Skopírovať ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Sekcie karty modelu\"><button type=\"button\" data-card-jump=\"overview\">Úvod</button><button type=\"button\" data-card-jump=\"methods\">Vstupy a metódy</button><button type=\"button\" data-card-jump=\"pricing\">Cenník</button><button type=\"button\" data-card-jump=\"examples\">Príklady</button><button type=\"button\" data-card-jump=\"results\">Výsledky</button><button type=\"button\" data-card-jump=\"aliases\">Aliasy</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metódy API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|google%2Fgemini-embedding-2-preview\">Embeddingy</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Úvod</h3><p class=\"mdesc-full\">Gemini Embedding 2 Preview premieňa text, obrázky, zvuk, video a PDF na číselné vektory v jednom multimodálnom priestore. Jeho samostatne zdokumentovaný profil Preview podporuje vyhľadávanie a porovnávanie medzi modalitami, vstup s 8192 tokenmi a flexibilné rozmery vektorov.</p><dl class=\"card-io\" data-card-io><div><dt>Povolené vstupy</dt><dd>Text</dd></div><div><dt>Výsledky</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>O modeli</summary><p class=\"note-s\" data-model-method-boundary>Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.</p><div class=\"mabout\" id=\"m-about\"><p>Gemini Embedding 2 Preview je pomenovaná edícia Preview natívnej rodiny multimodálnych embeddingov od Google. Text, obrázky, video, zvuk a PDF mapuje do spoločného číselného priestoru, pričom sémantický zámer sa reprezentuje vo viac ako 100 jazykoch. Výstupom sú embeddingy: vektory používané na porovnávanie a vyhľadávanie súvisiaceho materiálu. Identita tohto vydania Preview zostáva oddelená od stabilnej edície Gemini Embedding 2 a neznamená automaticky zameniteľné váhy ani totožný vektorový priestor.</p><p>Pôvodné oznámenie opisuje vyhľadávanie medzi modalitami, klasifikáciu, zhlukovanie, analýzu sentimentu a generovanie rozšírené o vyhľadávanie ako nadväzujúce použitia. Textový dopyt môže nájsť súvisiacu vizuálnu položku a obrázok či klip môže tiež slúžiť ako východisko vyhľadávania. Aplikácia ukladá reprezentácie, porovnáva ich a vracia zodpovedajúce záznamy; samostatný jazykový model môže použiť vyhľadaný zdrojový materiál na návrh odpovede. Samotný embedding neobsahuje vysvetlenie v prirodzenom jazyku ani prepis.</p><p>Vlastná stránka modelu dokumentuje vstupný limit 8192 tokenov a výstupné rozmery od 128 do 3072 s odporúčanými veľkosťami 768, 1536 a 3072. Oznámenie Preview uvádza predvolených 3072 a opisuje Matryoshka Representation Learning, ktoré zachováva užitočné informácie v kratších prefixoch reprezentácie. Pre vektory, ktoré sa musia porovnávať, zachovajte jeden zvolený rozmer a edíciu modelu uchovajte s kolekciou namiesto spájania reprezentácií iba pre zhodnú dĺžku.</p><p>Oznámenie Preview dokumentuje najviac šesť obrázkov PNG alebo JPEG na požiadavku, najviac 120 sekúnd videa MP4 alebo MOV a dokumenty PDF najviac so šiestimi stranami. Dokumentuje tiež priame vytváranie embeddingov zvuku bez medzikroku textového prepisu. Tieto špecifikácie pochádzajú z vlastného oznámenia Preview, nie z neskoršej príručky stabilnej edície. Oznámenie nestanovuje všetky aktuálne limity trvania zvuku, kodekov alebo vzorkovania snímok pre tento konkrétny profil Preview.</p><p>Striedajúci sa multimodálny vstup umožňuje reprezentácii odrážať vzťahy medzi médiami, napríklad obrázkom a jeho popisom. Pri produktovom katalógu poskytnite fotografiu a schválený opis spolu, keď opisujú jeden vyhľadateľný objekt. Pri kolekcii dokumentov rozdeľte zdroj na zamerané pasáže alebo strany a zachovajte názov a umiestnenie. Pri mediálnej knižnici vyberte klip zodpovedajúci udalosti, ktorú majú používatelia nájsť, a s uloženým záznamom uchovajte pôvodný časový rozsah.</p><p>Užitočná vyhľadávacia úloha jasne určuje zamýšľaný vzťah. Otázka hľadajúca vysvetlenie, hľadanie vizuálne podobných položiek a zhlukovanie podľa témy sú odlišné úlohy, aj keď používajú rovnakú zdrojovú kolekciu. Obsah pripravujte konzistentne, zaznamenajte edíciu a rozmer a každý vektor ponechajte prepojený so zdrojom. Podobnosť poskytuje kandidátov na preskúmanie aplikáciou; nie je dôkazom, že dva záznamy tvrdia rovnaký fakt alebo že vyhľadaný zdroj úplne odpovedá na otázku.</p><p>Pri praktickom mediálnom vyhľadávaní reprezentujte vybraný obrázok alebo výňatok videa a porovnajte ho s opisom požadovaného obsahu. Zodpovedajúci zdroj zobrazte s popisom alebo časovým rozsahom, aby ho používateľ mohol skontrolovať. Pri znalostnom asistentovi pred generovaním písomnej odpovede vyhľadajte príslušnú stranu alebo pasáž. Úlohou modelu Preview je multimodálna číselná reprezentácia podporujúca tieto výberové kroky, zatiaľ čo uloženie, pravidlá zoradenia a konečná odpoveď zostávajú časťami okolitého pracovného postupu.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Dostupné v Ailoot · vstupy a metódy</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Embeddingy</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Vstup</dt><dd><code>text</code></dd></div><div><dt>Výstup</dt><dd><code>embedding</code></dd></div><div><dt>Kontext</dt><dd>8 192 tokens</dd></div><div><dt>Výstupný formát</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Pole</th><th>Typ</th><th>Požiadavka</th><th>Hodnoty a limity</th><th>Predvolené</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Požiadavka\"><span class=\"card-cell-label\">Požiadavka</span>Povinné</td><td data-cell-label=\"Hodnoty a limity\"><span class=\"card-cell-label\">Hodnoty a limity</span><div>google/gemini-embedding-2-preview</div></td><td data-cell-label=\"Predvolené\" data-default=\"unspecified\"><span class=\"card-cell-label\">Predvolené</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string|string[]</code></td><td data-cell-label=\"Požiadavka\"><span class=\"card-cell-label\">Požiadavka</span>Povinné</td><td data-cell-label=\"Hodnoty a limity\"><span class=\"card-cell-label\">Hodnoty a limity</span></td><td data-cell-label=\"Predvolené\" data-default=\"unspecified\"><span class=\"card-cell-label\">Predvolené</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Kombinácie vstupných podkladov</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Parametre a životný cyklus metódy</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Špecifikácia</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Špecifikácia\"><span class=\"card-cell-label\">Špecifikácia</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Špecifikácia\"><span class=\"card-cell-label\">Špecifikácia</span>model, input</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>input_shapes</code></th><td data-cell-label=\"Špecifikácia\"><span class=\"card-cell-label\">Špecifikácia</span>string, string[]</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Špecifikácia\"><span class=\"card-cell-label\">Špecifikácia</span>text</td></tr></tbody></table></div><p>Životný cyklus: <code>synchronous_json</code></p><p class=\"note-s\">Zachovajte každý vrátený vektor a index.</p><p class=\"note-s\">Z tohto minimálneho textového profilu sa nevyvodzuje podpora obrázkov, zvuku ani objektov súborov.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Cenník</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.</p><dl data-price-conditions><dt>Rýchly režim</dt><dd>Neuvedené <span class=\"note-s\">Keď je zvolený rýchly režim</span></dd><dt>Režim Flex</dt><dd>Neuvedené <span class=\"note-s\">Keď je zvolený režim flex</span></dd><dt>Maximálna úroveň uvažovania</dt><dd>Neuvedené <span class=\"note-s\">Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Sadzby Ailoot</h4><h4>Ceny podľa konfigurácie</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigurácia</th><th>Sadzobník</th><th>Poplatok</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigurácia\" scope=\"row\"><span class=\"card-cell-label\">Konfigurácia</span>Základné sadzby za tokeny</th><td data-cell-label=\"Sadzobník\"><span class=\"card-cell-label\">Sadzobník</span>Základná sadzba</td><td data-cell-label=\"Poplatok\"><span class=\"card-cell-label\">Poplatok</span><div><span>Vstup · Vstupné tokeny</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K tokenov</span></div><div><span>Výstup · Výstupné tokeny</span> <b>$0</b> <span class=\"price-unit\">/ 1K tokenov</span></div><div><span>Vstup · Čítanie cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenov</span></div><div><span>Vstup · Zápis do cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenov</span></div><div><span>Vstup · Zápis do cache, 1 hod</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenov</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. <a href=\"/docs/sk/billing/reserve/\">Ako funguje rezervácia a vyúčtovanie →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Príklady požiadaviek</h3><h4>Ailoot Ultra · Embeddingy</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Varianty kódu\"><button class=\"cg-tab\" id=\"model-code-1488-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1488-panel-0\" aria-selected=\"true\" tabindex=\"0\">Úplné minimálne telo požiadavky vo formáte JSON</button><button class=\"cg-tab\" id=\"model-code-1488-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1488-panel-1\" aria-selected=\"false\" tabindex=\"-1\">curl · minimálna požiadavka na textové embeddingy</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Skopírovať kód\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1488-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1488-tab-0\"><pre data-lang=\"json\"><code>{\n  &quot;model&quot;: &quot;google/gemini-embedding-2-preview&quot;,\n  &quot;input&quot;: [\n    &quot;First document&quot;,\n    &quot;Second document&quot;\n  ]\n}</code></pre></div><div class=\"cg-pane\" id=\"model-code-1488-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1488-tab-1\" hidden><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncat &gt; embedding-request.json &lt;&lt;&#39;JSON_REQUEST&#39;\n{\n  &quot;model&quot;: &quot;google/gemini-embedding-2-preview&quot;,\n  &quot;input&quot;: [\n    &quot;First document&quot;,\n    &quot;Second document&quot;\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @embedding-request.json -o embedding-response.json\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Prijať a uložiť výsledky</h3><h4>Ailoot Ultra · Embeddingy</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Uchovať všetky dokončené výsledky</h5><p class=\"note-s\">Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.</p><p class=\"note-s\">Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Ak treba overiť pôvodnú odpoveď</h5><p class=\"note-s\">Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.</p></div><details class=\"card-about\" data-output-fields><summary>Polia odpovede</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Pole</th><th>Typ</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>integer</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>finite float[]</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Chyby a ďalšie kroky</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Odpoveď</th><th>Podmienka</th><th>Ďalší krok</th></tr></thead><tbody><tr><th data-cell-label=\"Odpoveď\" scope=\"row\"><span class=\"card-cell-label\">Odpoveď</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Podmienka\"><span class=\"card-cell-label\">Podmienka</span>Chýbajúci model alebo nesprávne zostavený JSON.</td><td data-cell-label=\"Ďalší krok\"><span class=\"card-cell-label\">Ďalší krok</span>Opravte označené polia.</td></tr><tr><th data-cell-label=\"Odpoveď\" scope=\"row\"><span class=\"card-cell-label\">Odpoveď</span>413 · <code>invalid_request_error</code></th><td data-cell-label=\"Podmienka\"><span class=\"card-cell-label\">Podmienka</span>Bol prekročený nakonfigurovaný limit tela požiadavky.</td><td data-cell-label=\"Ďalší krok\"><span class=\"card-cell-label\">Ďalší krok</span>Zmenšite skutočný materiál.</td></tr><tr><th data-cell-label=\"Odpoveď\" scope=\"row\"><span class=\"card-cell-label\">Odpoveď</span>422 · <code>invalid_request_error</code></th><td data-cell-label=\"Podmienka\"><span class=\"card-cell-label\">Podmienka</span>Vstup alebo ovládacie prvky porušujú aktuálnu osobitnú politiku.</td><td data-cell-label=\"Ďalší krok\"><span class=\"card-cell-label\">Ďalší krok</span>Použite zobrazený minimálny textový vstup bez prevzatých ovládacích prvkov.</td></tr><tr><th data-cell-label=\"Odpoveď\" scope=\"row\"><span class=\"card-cell-label\">Odpoveď</span>503 · <code>billing_error</code></th><td data-cell-label=\"Podmienka\"><span class=\"card-cell-label\">Podmienka</span>Povolenie prístupu alebo cenovú ponuku nemožno priradiť.</td><td data-cell-label=\"Ďalší krok\"><span class=\"card-cell-label\">Ďalší krok</span>Zachovajte odpoveď; nenahrádzajte politiku.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasy</h3><h4>Aliasy modelov</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=google%2Fgemini-embedding-2-preview&amp;route=Ultra&amp;caller=google%2Fgemini-embedding-2-preview&amp;fmt=embeddings\"><code>google/gemini-embedding-2-preview</code></a></span></p><h4>Aliasy ciest metód</h4><p class=\"note-s\">Použite cesty metód uvedené vyššie.</p><h4>Súvisiace ID na volanie</h4><p class=\"note-s\"><a href=\"#m=google%2Fgemini-embedding-2-preview&amp;route=Ultra&amp;caller=google%2Fgemini-embedding-2-preview&amp;fmt=embeddings\"><code>google/gemini-embedding-2-preview</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "google/gemini-embedding-2-preview",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|google%2Fgemini-embedding-2-preview",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Chýbajúci model alebo nesprávne zostavený JSON.",
                "http_status": 400,
                "recovery": "Opravte označené polia.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Bol prekročený nakonfigurovaný limit tela požiadavky.",
                "http_status": 413,
                "recovery": "Zmenšite skutočný materiál.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Vstup alebo ovládacie prvky porušujú aktuálnu osobitnú politiku.",
                "http_status": 422,
                "recovery": "Použite zobrazený minimálny textový vstup bez prevzatých ovládacích prvkov.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Povolenie prístupu alebo cenovú ponuku nemožno priradiť.",
                "http_status": 503,
                "recovery": "Zachovajte odpoveď; nenahrádzajte politiku.",
                "type": "billing_error"
              }
            ],
            "example_body": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "google/gemini-embedding-2-preview"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              }
            ],
            "profile_binding": "Minimal current Source subset: only model and text input. Optional controls and another model dimensions/token limits are not inherited.",
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "google/gemini-embedding-2-preview"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "unsupported": [
              "image/audio/file objects in this minimal text profile",
              "dimensions (current Native43 supports_dimensions:false)",
              "foreign model-specific dimensions or token limits"
            ]
          },
          "hints": [
            "Zachovajte každý vrátený vektor a index.",
            "Z tohto minimálneho textového profilu sa nevyvodzuje podpora obrázkov, zvuku ani objektov súborov."
          ],
          "input": {
            "content_type": "application/json",
            "input_shapes": [
              "string",
              "string[]"
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "Keep every vector, index, model and usage field. Current dedicated Source validates count, finite float elements and consistent actual dimensions."
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Základné sadzby za tokeny",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}",
            "label": "Complete minimal JSON body",
            "language": "json"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > embedding-request.json <<'JSON_REQUEST'\n{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @embedding-request.json -o embedding-response.json\n",
            "label": "curl · minimal text embeddings",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Embeddingy",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "google/gemini-embedding-2-preview",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "f5837b2622fae113d247f6522493b1838e1f6251bca6330fe1250e909a6bbbb3",
    "input_html_sha256": "c8a48bcc0bb84969f338613fcaca34060b99d26ccc86842749291bb1bc3963f1",
    "private_audit_sha256": "7eb2eb65eb6d1cc762941c4df51bff00059c54ea87e315c681a95499459de7a7",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/sk/google-gemini-embedding-2-preview/",
    "description": "Gemini Embedding 2 Preview premieňa text, obrázky, zvuk, video a PDF na číselné vektory v jednom multimodálnom priestore. Jeho samostatne zdokumentovaný profil Preview podporuje vyhľadávanie a porovnávanie medzi modalitami, vstup s 8192 tokenmi a flexibilné rozmery vektorov.",
    "locale": "sk",
    "md_url": "https://ailoot.ai/models/sk/google-gemini-embedding-2-preview/index.md",
    "title": "Google: Gemini Embedding 2 Preview — Ailoot",
    "url": "https://ailoot.ai/models/sk/google-gemini-embedding-2-preview/"
  },
  "rawModel": {
    "about": "Gemini Embedding 2 Preview je pomenovaná edícia Preview natívnej rodiny multimodálnych embeddingov od Google. Text, obrázky, video, zvuk a PDF mapuje do spoločného číselného priestoru, pričom sémantický zámer sa reprezentuje vo viac ako 100 jazykoch. Výstupom sú embeddingy: vektory používané na porovnávanie a vyhľadávanie súvisiaceho materiálu. Identita tohto vydania Preview zostáva oddelená od stabilnej edície Gemini Embedding 2 a neznamená automaticky zameniteľné váhy ani totožný vektorový priestor.\n\nPôvodné oznámenie opisuje vyhľadávanie medzi modalitami, klasifikáciu, zhlukovanie, analýzu sentimentu a generovanie rozšírené o vyhľadávanie ako nadväzujúce použitia. Textový dopyt môže nájsť súvisiacu vizuálnu položku a obrázok či klip môže tiež slúžiť ako východisko vyhľadávania. Aplikácia ukladá reprezentácie, porovnáva ich a vracia zodpovedajúce záznamy; samostatný jazykový model môže použiť vyhľadaný zdrojový materiál na návrh odpovede. Samotný embedding neobsahuje vysvetlenie v prirodzenom jazyku ani prepis.\n\nVlastná stránka modelu dokumentuje vstupný limit 8192 tokenov a výstupné rozmery od 128 do 3072 s odporúčanými veľkosťami 768, 1536 a 3072. Oznámenie Preview uvádza predvolených 3072 a opisuje Matryoshka Representation Learning, ktoré zachováva užitočné informácie v kratších prefixoch reprezentácie. Pre vektory, ktoré sa musia porovnávať, zachovajte jeden zvolený rozmer a edíciu modelu uchovajte s kolekciou namiesto spájania reprezentácií iba pre zhodnú dĺžku.\n\nOznámenie Preview dokumentuje najviac šesť obrázkov PNG alebo JPEG na požiadavku, najviac 120 sekúnd videa MP4 alebo MOV a dokumenty PDF najviac so šiestimi stranami. Dokumentuje tiež priame vytváranie embeddingov zvuku bez medzikroku textového prepisu. Tieto špecifikácie pochádzajú z vlastného oznámenia Preview, nie z neskoršej príručky stabilnej edície. Oznámenie nestanovuje všetky aktuálne limity trvania zvuku, kodekov alebo vzorkovania snímok pre tento konkrétny profil Preview.\n\nStriedajúci sa multimodálny vstup umožňuje reprezentácii odrážať vzťahy medzi médiami, napríklad obrázkom a jeho popisom. Pri produktovom katalógu poskytnite fotografiu a schválený opis spolu, keď opisujú jeden vyhľadateľný objekt. Pri kolekcii dokumentov rozdeľte zdroj na zamerané pasáže alebo strany a zachovajte názov a umiestnenie. Pri mediálnej knižnici vyberte klip zodpovedajúci udalosti, ktorú majú používatelia nájsť, a s uloženým záznamom uchovajte pôvodný časový rozsah.\n\nUžitočná vyhľadávacia úloha jasne určuje zamýšľaný vzťah. Otázka hľadajúca vysvetlenie, hľadanie vizuálne podobných položiek a zhlukovanie podľa témy sú odlišné úlohy, aj keď používajú rovnakú zdrojovú kolekciu. Obsah pripravujte konzistentne, zaznamenajte edíciu a rozmer a každý vektor ponechajte prepojený so zdrojom. Podobnosť poskytuje kandidátov na preskúmanie aplikáciou; nie je dôkazom, že dva záznamy tvrdia rovnaký fakt alebo že vyhľadaný zdroj úplne odpovedá na otázku.\n\nPri praktickom mediálnom vyhľadávaní reprezentujte vybraný obrázok alebo výňatok videa a porovnajte ho s opisom požadovaného obsahu. Zodpovedajúci zdroj zobrazte s popisom alebo časovým rozsahom, aby ho používateľ mohol skontrolovať. Pri znalostnom asistentovi pred generovaním písomnej odpovede vyhľadajte príslušnú stranu alebo pasáž. Úlohou modelu Preview je multimodálna číselná reprezentácia podporujúca tieto výberové kroky, zatiaľ čo uloženie, pravidlá zoradenia a konečná odpoveď zostávajú časťami okolitého pracovného postupu.",
    "alias_of": null,
    "aliases": [],
    "author": "Google",
    "capabilities": {
      "context_length": 8192,
      "manufacturer_input": [
        "text",
        "image",
        "file",
        "audio",
        "video"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Úplný cenník konfigurácie nájdete v podrobnostiach."
      }
    ],
    "ctx": 8192,
    "formats": [
      "embeddings"
    ],
    "id": "google/gemini-embedding-2-preview",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Chýbajúci model alebo nesprávne zostavený JSON.",
                "http_status": 400,
                "recovery": "Opravte označené polia.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Bol prekročený nakonfigurovaný limit tela požiadavky.",
                "http_status": 413,
                "recovery": "Zmenšite skutočný materiál.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Vstup alebo ovládacie prvky porušujú aktuálnu osobitnú politiku.",
                "http_status": 422,
                "recovery": "Použite zobrazený minimálny textový vstup bez prevzatých ovládacích prvkov.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Povolenie prístupu alebo cenovú ponuku nemožno priradiť.",
                "http_status": 503,
                "recovery": "Zachovajte odpoveď; nenahrádzajte politiku.",
                "type": "billing_error"
              }
            ],
            "example_body": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.",
              "default_dimensions": null,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "google/gemini-embedding-2-preview"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "input",
                "required": true,
                "type": "string|string[]"
              }
            ],
            "profile_binding": "Minimal current Source subset: only model and text input. Optional controls and another model dimensions/token limits are not inherited.",
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "google/gemini-embedding-2-preview"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "input": [
                "First document",
                "Second document"
              ],
              "model": "google/gemini-embedding-2-preview"
            },
            "unsupported": [
              "image/audio/file objects in this minimal text profile",
              "dimensions (current Native43 supports_dimensions:false)",
              "foreign model-specific dimensions or token limits"
            ]
          },
          "hints": [
            "Zachovajte každý vrátený vektor a index.",
            "Z tohto minimálneho textového profilu sa nevyvodzuje podpora obrázkov, zvuku ani objektov súborov."
          ],
          "input": {
            "content_type": "application/json",
            "input_shapes": [
              "string",
              "string[]"
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "Keep every vector, index, model and usage field. Current dedicated Source validates count, finite float elements and consistent actual dimensions."
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Základné sadzby za tokeny",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}",
            "label": "Complete minimal JSON body",
            "language": "json"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > embedding-request.json <<'JSON_REQUEST'\n{\n  \"model\": \"google/gemini-embedding-2-preview\",\n  \"input\": [\n    \"First document\",\n    \"Second document\"\n  ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @embedding-request.json -o embedding-response.json\n",
            "label": "curl · minimal text embeddings",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Embeddingy",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "google/gemini-embedding-2-preview",
        "request_model_id": "google/gemini-embedding-2-preview",
        "route_label": "Ultra"
      }
    ],
    "name": "Google: Gemini Embedding 2 Preview",
    "price": {
      "in": 0.4,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.4,
      "sort_out": 0,
      "varies": false
    },
    "short": "Gemini Embedding 2 Preview premieňa text, obrázky, zvuk, video a PDF na číselné vektory v jednom multimodálnom priestore. Jeho samostatne zdokumentovaný profil Preview podporuje vyhľadávanie a porovnávanie medzi modalitami, vstup s 8192 tokenmi a flexibilné rozmery vektorov."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Gemini Embedding 2 Preview premieňa text, obrázky, zvuk, video a PDF na číselné vektory v jednom multimodálnom priestore. Jeho samostatne zdokumentovaný profil Preview podporuje vyhľadávanie a porovnávanie medzi modalitami, vstup s 8192 tokenmi a flexibilné rozmery vektorov.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "f3da01f19340d205d12b7c94f3fc95bf1a7ff179a86edb22536d9c2e6b8c7b67",
    "renderer_sha256": "94893ba0fa4d7b7d32370787b705f436a4c2569f84ec7b33063549adc74b07e0"
  },
  "sourceRevision": "1edd6536fffa65b679cf91a019046578a022d2d29e5fb02b633ce0b88a993635"
}