{
  "aboutHtml": "<p>Gemini Embedding 2 Preview เป็นรุ่นพรีวิวที่มีชื่อเฉพาะของ Google ในตระกูลเอ็มเบดดิงมัลติโมดัลเนทีฟ แปลงข้อความ ภาพ วิดีโอ เสียง และ PDF เข้าสู่พื้นที่เชิงตัวเลขร่วม โดยแทนเจตนาเชิงความหมายในมากกว่า 100 ภาษา เอาต์พุตคือเอ็มเบดดิงหรือเวกเตอร์ที่ใช้เปรียบเทียบและค้นคืนข้อมูลที่เกี่ยวข้อง ตัวตนพรีวิวนี้แยกจาก Gemini Embedding 2 รุ่นเสถียร ไม่ได้หมายถึงน้ำหนักที่สลับใช้กันได้หรือพื้นที่เวกเตอร์เดียวกัน</p><p>ประกาศต้นฉบับอธิบายการค้นหาข้ามชนิดสื่อ การจำแนก จัดกลุ่ม วิเคราะห์อารมณ์ความรู้สึก และการสร้างคำตอบเสริมด้วยการค้นคืนเป็นการใช้งานต่อเนื่อง คำค้นข้อความหาข้อมูลภาพที่เกี่ยวข้องได้ ขณะที่ภาพหรือคลิปใช้เป็นต้นทางค้นหาได้เช่นกัน แอปพลิเคชันเก็บตัวแทน เปรียบเทียบ และคืนระเบียนที่ตรง โมเดลภาษาแยกต่างหากใช้ข้อมูลต้นฉบับที่ค้นคืนเพื่อร่างคำตอบได้ ตัวเอ็มเบดดิงไม่มีคำอธิบายภาษาธรรมชาติหรือบทถอดเสียง</p><p>หน้ารุ่นของพรีวิวเองระบุขีดจำกัดอินพุต 8,192 โทเคนและมิติเอาต์พุตตั้งแต่ 128 ถึง 3,072 โดยแนะนำขนาด 768, 1,536 และ 3,072 ประกาศพรีวิวให้ค่าเริ่มต้น 3,072 และอธิบาย Matryoshka Representation Learning ซึ่งเก็บข้อมูลที่มีประโยชน์ในส่วนต้นที่สั้นลงของตัวแทน เลือกมิติเดียวสำหรับเวกเตอร์ที่ต้องเปรียบเทียบ และเก็บรุ่นโมเดลไว้กับคอลเล็กชัน แทนการรวมตัวแทนเพียงเพราะยาวเท่ากัน</p><p>ประกาศพรีวิวระบุภาพ PNG หรือ JPEG สูงสุดหกภาพต่อคำขอ วิดีโอ MP4 หรือ MOV สูงสุด 120 วินาที และเอกสาร PDF สูงสุดหกหน้า ยังระบุการเอ็มเบดเสียงโดยตรงโดยไม่ผ่านการถอดเสียงเป็นข้อความกลาง ข้อกำหนดเหล่านี้มาจากประกาศพรีวิวเอง ไม่ใช่คู่มือรุ่นเสถียรภายหลัง ประกาศไม่ได้ยืนยันขีดจำกัดปัจจุบันทุกข้อของความยาวเสียง codec หรือการสุ่มเฟรมสำหรับโปรไฟล์พรีวิวที่ตรงนี้</p><p>อินพุตมัลติโมดัลที่ผสมแทรกกันทำให้ตัวแทนสะท้อนความสัมพันธ์ระหว่างสื่อ เช่น ภาพกับคำบรรยาย สำหรับแคตตาล็อกสินค้า ให้ภาพถ่ายและคำอธิบายที่อนุมัติร่วมกันเมื่ออธิบายวัตถุค้นคืนหนึ่งชิ้น สำหรับคอลเล็กชันเอกสาร แบ่งต้นฉบับเป็นย่อหน้าหรือหน้าที่เจาะจง และรักษาชื่อกับตำแหน่ง สำหรับคลังสื่อ เลือกคลิปที่ตรงเหตุการณ์ที่ผู้ใช้ควรหา และเก็บช่วงเวลาต้นฉบับไว้กับระเบียนที่จัดเก็บ</p><p>งานค้นคืนที่มีประโยชน์ทำความสัมพันธ์ที่ตั้งใจให้ชัด คำถามที่หาคำอธิบาย การหาสิ่งที่มองคล้ายกัน และการจัดกลุ่มตามหัวข้อเป็นคนละงาน แม้ใช้คอลเล็กชันต้นฉบับเดียวกัน เตรียมเนื้อหาสม่ำเสมอ บันทึกรุ่นกับมิติ และผูกทุกเวกเตอร์กับต้นฉบับ ความคล้ายให้ตัวเลือกที่แอปพลิเคชันตรวจ ไม่ใช่หลักฐานว่าระเบียนสองชิ้นกล่าวข้อเท็จจริงเดียวกันหรือว่าต้นฉบับที่ค้นคืนตอบคำถามครบ</p><p>สำหรับการค้นสื่อจริง ให้แทนภาพหรือวิดีโอตัดตอนที่เลือกแล้วเปรียบเทียบกับคำอธิบายเนื้อหาที่ต้องการ แสดงต้นฉบับที่ตรงพร้อมคำบรรยายหรือช่วงเวลาเพื่อให้ผู้ใช้ตรวจ สำหรับผู้ช่วยความรู้ ให้ค้นคืนหน้าหรือย่อหน้าที่เกี่ยวข้องก่อนสร้างคำตอบเป็นข้อความ บทบาทโมเดล Preview คือตัวแทนเชิงตัวเลขมัลติโมดัลที่สนับสนุนขั้นตอนเลือกเหล่านั้น ส่วนการจัดเก็บ กฎจัดอันดับ และคำตอบสุดท้ายยังเป็นส่วนของเวิร์กโฟลว์รอบข้าง</p>",
  "aboutText": "Gemini Embedding 2 Preview เป็นรุ่นพรีวิวที่มีชื่อเฉพาะของ Google ในตระกูลเอ็มเบดดิงมัลติโมดัลเนทีฟ แปลงข้อความ ภาพ วิดีโอ เสียง และ PDF เข้าสู่พื้นที่เชิงตัวเลขร่วม โดยแทนเจตนาเชิงความหมายในมากกว่า 100 ภาษา เอาต์พุตคือเอ็มเบดดิงหรือเวกเตอร์ที่ใช้เปรียบเทียบและค้นคืนข้อมูลที่เกี่ยวข้อง ตัวตนพรีวิวนี้แยกจาก Gemini Embedding 2 รุ่นเสถียร ไม่ได้หมายถึงน้ำหนักที่สลับใช้กันได้หรือพื้นที่เวกเตอร์เดียวกัน\n\nประกาศต้นฉบับอธิบายการค้นหาข้ามชนิดสื่อ การจำแนก จัดกลุ่ม วิเคราะห์อารมณ์ความรู้สึก และการสร้างคำตอบเสริมด้วยการค้นคืนเป็นการใช้งานต่อเนื่อง คำค้นข้อความหาข้อมูลภาพที่เกี่ยวข้องได้ ขณะที่ภาพหรือคลิปใช้เป็นต้นทางค้นหาได้เช่นกัน แอปพลิเคชันเก็บตัวแทน เปรียบเทียบ และคืนระเบียนที่ตรง โมเดลภาษาแยกต่างหากใช้ข้อมูลต้นฉบับที่ค้นคืนเพื่อร่างคำตอบได้ ตัวเอ็มเบดดิงไม่มีคำอธิบายภาษาธรรมชาติหรือบทถอดเสียง\n\nหน้ารุ่นของพรีวิวเองระบุขีดจำกัดอินพุต 8,192 โทเคนและมิติเอาต์พุตตั้งแต่ 128 ถึง 3,072 โดยแนะนำขนาด 768, 1,536 และ 3,072 ประกาศพรีวิวให้ค่าเริ่มต้น 3,072 และอธิบาย Matryoshka Representation Learning ซึ่งเก็บข้อมูลที่มีประโยชน์ในส่วนต้นที่สั้นลงของตัวแทน เลือกมิติเดียวสำหรับเวกเตอร์ที่ต้องเปรียบเทียบ และเก็บรุ่นโมเดลไว้กับคอลเล็กชัน แทนการรวมตัวแทนเพียงเพราะยาวเท่ากัน\n\nประกาศพรีวิวระบุภาพ PNG หรือ JPEG สูงสุดหกภาพต่อคำขอ วิดีโอ MP4 หรือ MOV สูงสุด 120 วินาที และเอกสาร PDF สูงสุดหกหน้า ยังระบุการเอ็มเบดเสียงโดยตรงโดยไม่ผ่านการถอดเสียงเป็นข้อความกลาง ข้อกำหนดเหล่านี้มาจากประกาศพรีวิวเอง ไม่ใช่คู่มือรุ่นเสถียรภายหลัง ประกาศไม่ได้ยืนยันขีดจำกัดปัจจุบันทุกข้อของความยาวเสียง codec หรือการสุ่มเฟรมสำหรับโปรไฟล์พรีวิวที่ตรงนี้\n\nอินพุตมัลติโมดัลที่ผสมแทรกกันทำให้ตัวแทนสะท้อนความสัมพันธ์ระหว่างสื่อ เช่น ภาพกับคำบรรยาย สำหรับแคตตาล็อกสินค้า ให้ภาพถ่ายและคำอธิบายที่อนุมัติร่วมกันเมื่ออธิบายวัตถุค้นคืนหนึ่งชิ้น สำหรับคอลเล็กชันเอกสาร แบ่งต้นฉบับเป็นย่อหน้าหรือหน้าที่เจาะจง และรักษาชื่อกับตำแหน่ง สำหรับคลังสื่อ เลือกคลิปที่ตรงเหตุการณ์ที่ผู้ใช้ควรหา และเก็บช่วงเวลาต้นฉบับไว้กับระเบียนที่จัดเก็บ\n\nงานค้นคืนที่มีประโยชน์ทำความสัมพันธ์ที่ตั้งใจให้ชัด คำถามที่หาคำอธิบาย การหาสิ่งที่มองคล้ายกัน และการจัดกลุ่มตามหัวข้อเป็นคนละงาน แม้ใช้คอลเล็กชันต้นฉบับเดียวกัน เตรียมเนื้อหาสม่ำเสมอ บันทึกรุ่นกับมิติ และผูกทุกเวกเตอร์กับต้นฉบับ ความคล้ายให้ตัวเลือกที่แอปพลิเคชันตรวจ ไม่ใช่หลักฐานว่าระเบียนสองชิ้นกล่าวข้อเท็จจริงเดียวกันหรือว่าต้นฉบับที่ค้นคืนตอบคำถามครบ\n\nสำหรับการค้นสื่อจริง ให้แทนภาพหรือวิดีโอตัดตอนที่เลือกแล้วเปรียบเทียบกับคำอธิบายเนื้อหาที่ต้องการ แสดงต้นฉบับที่ตรงพร้อมคำบรรยายหรือช่วงเวลาเพื่อให้ผู้ใช้ตรวจ สำหรับผู้ช่วยความรู้ ให้ค้นคืนหน้าหรือย่อหน้าที่เกี่ยวข้องก่อนสร้างคำตอบเป็นข้อความ บทบาทโมเดล Preview คือตัวแทนเชิงตัวเลขมัลติโมดัลที่สนับสนุนขั้นตอนเลือกเหล่านั้น ส่วนการจัดเก็บ กฎจัดอันดับ และคำตอบสุดท้ายยังเป็นส่วนของเวิร์กโฟลว์รอบข้าง",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "4215b77c229b7bb87f54b7e9910b0a278aa8ce0b07955993064ab3bc69a7870b",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "th",
  "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=\"ปิด\">×</button></div><div class=\"idline\"><span>Google /</span><code>google/gemini-embedding-2-preview</code><button type=\"button\" id=\"copy-id\">คัดลอก ID</button></div><nav class=\"card-jump-nav\" aria-label=\"ส่วนต่าง ๆ ของการ์ดโมเดล\"><button type=\"button\" data-card-jump=\"overview\">เริ่มต้น</button><button type=\"button\" data-card-jump=\"methods\">อินพุตและเมธอด</button><button type=\"button\" data-card-jump=\"pricing\">ราคา</button><button type=\"button\" data-card-jump=\"examples\">ตัวอย่าง</button><button type=\"button\" data-card-jump=\"results\">ผลลัพธ์</button><button type=\"button\" data-card-jump=\"aliases\">ชื่ออื่น</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"เมธอด 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\">เอ็มเบดดิง</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\">เริ่มต้น</h3><p class=\"mdesc-full\">Gemini Embedding 2 Preview แปลงข้อความ ภาพ เสียง วิดีโอ และ PDF เป็นเวกเตอร์เชิงตัวเลขในพื้นที่มัลติโมดัลเดียว โปรไฟล์พรีวิวที่มีเอกสารแยกต่างหากรองรับการค้นคืนและเปรียบเทียบข้ามชนิดสื่อ อินพุต 8,192 โทเคน และมิติเวกเตอร์ยืดหยุ่น</p><dl class=\"card-io\" data-card-io><div><dt>อินพุตที่รองรับ</dt><dd>ข้อความ</dd></div><div><dt>ผลลัพธ์</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>เกี่ยวกับโมเดล</summary><p class=\"note-s\" data-model-method-boundary>คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก</p><div class=\"mabout\" id=\"m-about\"><p>Gemini Embedding 2 Preview เป็นรุ่นพรีวิวที่มีชื่อเฉพาะของ Google ในตระกูลเอ็มเบดดิงมัลติโมดัลเนทีฟ แปลงข้อความ ภาพ วิดีโอ เสียง และ PDF เข้าสู่พื้นที่เชิงตัวเลขร่วม โดยแทนเจตนาเชิงความหมายในมากกว่า 100 ภาษา เอาต์พุตคือเอ็มเบดดิงหรือเวกเตอร์ที่ใช้เปรียบเทียบและค้นคืนข้อมูลที่เกี่ยวข้อง ตัวตนพรีวิวนี้แยกจาก Gemini Embedding 2 รุ่นเสถียร ไม่ได้หมายถึงน้ำหนักที่สลับใช้กันได้หรือพื้นที่เวกเตอร์เดียวกัน</p><p>ประกาศต้นฉบับอธิบายการค้นหาข้ามชนิดสื่อ การจำแนก จัดกลุ่ม วิเคราะห์อารมณ์ความรู้สึก และการสร้างคำตอบเสริมด้วยการค้นคืนเป็นการใช้งานต่อเนื่อง คำค้นข้อความหาข้อมูลภาพที่เกี่ยวข้องได้ ขณะที่ภาพหรือคลิปใช้เป็นต้นทางค้นหาได้เช่นกัน แอปพลิเคชันเก็บตัวแทน เปรียบเทียบ และคืนระเบียนที่ตรง โมเดลภาษาแยกต่างหากใช้ข้อมูลต้นฉบับที่ค้นคืนเพื่อร่างคำตอบได้ ตัวเอ็มเบดดิงไม่มีคำอธิบายภาษาธรรมชาติหรือบทถอดเสียง</p><p>หน้ารุ่นของพรีวิวเองระบุขีดจำกัดอินพุต 8,192 โทเคนและมิติเอาต์พุตตั้งแต่ 128 ถึง 3,072 โดยแนะนำขนาด 768, 1,536 และ 3,072 ประกาศพรีวิวให้ค่าเริ่มต้น 3,072 และอธิบาย Matryoshka Representation Learning ซึ่งเก็บข้อมูลที่มีประโยชน์ในส่วนต้นที่สั้นลงของตัวแทน เลือกมิติเดียวสำหรับเวกเตอร์ที่ต้องเปรียบเทียบ และเก็บรุ่นโมเดลไว้กับคอลเล็กชัน แทนการรวมตัวแทนเพียงเพราะยาวเท่ากัน</p><p>ประกาศพรีวิวระบุภาพ PNG หรือ JPEG สูงสุดหกภาพต่อคำขอ วิดีโอ MP4 หรือ MOV สูงสุด 120 วินาที และเอกสาร PDF สูงสุดหกหน้า ยังระบุการเอ็มเบดเสียงโดยตรงโดยไม่ผ่านการถอดเสียงเป็นข้อความกลาง ข้อกำหนดเหล่านี้มาจากประกาศพรีวิวเอง ไม่ใช่คู่มือรุ่นเสถียรภายหลัง ประกาศไม่ได้ยืนยันขีดจำกัดปัจจุบันทุกข้อของความยาวเสียง codec หรือการสุ่มเฟรมสำหรับโปรไฟล์พรีวิวที่ตรงนี้</p><p>อินพุตมัลติโมดัลที่ผสมแทรกกันทำให้ตัวแทนสะท้อนความสัมพันธ์ระหว่างสื่อ เช่น ภาพกับคำบรรยาย สำหรับแคตตาล็อกสินค้า ให้ภาพถ่ายและคำอธิบายที่อนุมัติร่วมกันเมื่ออธิบายวัตถุค้นคืนหนึ่งชิ้น สำหรับคอลเล็กชันเอกสาร แบ่งต้นฉบับเป็นย่อหน้าหรือหน้าที่เจาะจง และรักษาชื่อกับตำแหน่ง สำหรับคลังสื่อ เลือกคลิปที่ตรงเหตุการณ์ที่ผู้ใช้ควรหา และเก็บช่วงเวลาต้นฉบับไว้กับระเบียนที่จัดเก็บ</p><p>งานค้นคืนที่มีประโยชน์ทำความสัมพันธ์ที่ตั้งใจให้ชัด คำถามที่หาคำอธิบาย การหาสิ่งที่มองคล้ายกัน และการจัดกลุ่มตามหัวข้อเป็นคนละงาน แม้ใช้คอลเล็กชันต้นฉบับเดียวกัน เตรียมเนื้อหาสม่ำเสมอ บันทึกรุ่นกับมิติ และผูกทุกเวกเตอร์กับต้นฉบับ ความคล้ายให้ตัวเลือกที่แอปพลิเคชันตรวจ ไม่ใช่หลักฐานว่าระเบียนสองชิ้นกล่าวข้อเท็จจริงเดียวกันหรือว่าต้นฉบับที่ค้นคืนตอบคำถามครบ</p><p>สำหรับการค้นสื่อจริง ให้แทนภาพหรือวิดีโอตัดตอนที่เลือกแล้วเปรียบเทียบกับคำอธิบายเนื้อหาที่ต้องการ แสดงต้นฉบับที่ตรงพร้อมคำบรรยายหรือช่วงเวลาเพื่อให้ผู้ใช้ตรวจ สำหรับผู้ช่วยความรู้ ให้ค้นคืนหน้าหรือย่อหน้าที่เกี่ยวข้องก่อนสร้างคำตอบเป็นข้อความ บทบาทโมเดล Preview คือตัวแทนเชิงตัวเลขมัลติโมดัลที่สนับสนุนขั้นตอนเลือกเหล่านั้น ส่วนการจัดเก็บ กฎจัดอันดับ และคำตอบสุดท้ายยังเป็นส่วนของเวิร์กโฟลว์รอบข้าง</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">ใช้งานได้ใน Ailoot · อินพุตและเมธอด</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · เอ็มเบดดิง</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>ขาเข้า</dt><dd><code>text</code></dd></div><div><dt>ขาออก</dt><dd><code>embedding</code></dd></div><div><dt>บริบท</dt><dd>8,192 tokens</dd></div><div><dt>รูปแบบเอาต์พุต</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th><th>ข้อกำหนด</th><th>ค่าและข้อจำกัด</th><th>ค่าเริ่มต้น</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span><div>google/gemini-embedding-2-preview</div></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span><code>string|string[]</code></td><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>จำเป็น</td><td data-cell-label=\"ค่าและข้อจำกัด\"><span class=\"card-cell-label\">ค่าและข้อจำกัด</span></td><td data-cell-label=\"ค่าเริ่มต้น\" data-default=\"unspecified\"><span class=\"card-cell-label\">ค่าเริ่มต้น</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>ชุดผสมของสื่ออินพุต</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>พารามิเตอร์และวงจรการทำงานของเมธอด</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>พารามิเตอร์</th><th>ข้อกำหนด</th></tr></thead><tbody><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>content_type</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>application/json</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>required</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>model, input</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>input_shapes</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>string, string[]</td></tr><tr><th data-cell-label=\"พารามิเตอร์\" scope=\"row\"><span class=\"card-cell-label\">พารามิเตอร์</span><code>material_types</code></th><td data-cell-label=\"ข้อกำหนด\"><span class=\"card-cell-label\">ข้อกำหนด</span>text</td></tr></tbody></table></div><p>วงจรการทำงาน: <code>synchronous_json</code></p><p class=\"note-s\">เก็บเวกเตอร์และดัชนีทุกรายการที่ส่งกลับ</p><p class=\"note-s\">ไม่อนุมานการรองรับภาพ/เสียง/ออบเจ็กต์ไฟล์จากโปรไฟล์ข้อความขั้นต่ำนี้</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">ราคา</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก</p><dl data-price-conditions><dt>โหมดรวดเร็ว</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อเลือกโหมดรวดเร็ว</span></dd><dt>โหมดยืดหยุ่น</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อเลือกโหมด flex</span></dd><dt>ระดับการใช้เหตุผลสูงสุด</dt><dd>ไม่ได้ระบุ <span class=\"note-s\">เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด</span></dd></dl></div><div data-declared-tariff-pricing><h4>อัตราค่าบริการ Ailoot</h4><h4>ราคาตามการตั้งค่า</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>การตั้งค่า</th><th>ตารางอัตราค่าบริการ</th><th>ค่าบริการ</th></tr></thead><tbody><tr><th data-cell-label=\"การตั้งค่า\" scope=\"row\"><span class=\"card-cell-label\">การตั้งค่า</span>อัตราราคาพื้นฐานของโทเคน</th><td data-cell-label=\"ตารางอัตราค่าบริการ\"><span class=\"card-cell-label\">ตารางอัตราค่าบริการ</span>อัตราพื้นฐาน</td><td data-cell-label=\"ค่าบริการ\"><span class=\"card-cell-label\">ค่าบริการ</span><div><span>ขาเข้า · โทเค็นอินพุต</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาออก · โทเค็นเอาต์พุต</span> <b>$0</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การอ่านแคช</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การเขียนแคช</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div><div><span>ขาเข้า · การเขียนแคช, 1 ชั่วโมง</span> <b>—</b> <span class=\"price-unit\">/ 1K โทเค็น</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย <a href=\"/docs/th/billing/reserve/\">วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">ตัวอย่างคำขอ</h3><h4>Ailoot Ultra · เอ็มเบดดิง</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"ตัวเลือกโค้ด\"><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\">เนื้อหาคำขอ JSON ขั้นต่ำที่ครบถ้วน</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 · คำขอเอ็มเบดดิงข้อความแบบขั้นต่ำ</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"คัดลอกโค้ด\"><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\">รับและบันทึกผลลัพธ์</h3><h4>Ailoot Ultra · เอ็มเบดดิง</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด</h5><p class=\"note-s\">เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน</p><p class=\"note-s\">เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ</h5><p class=\"note-s\">ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล</p></div><details class=\"card-about\" data-output-fields><summary>ฟิลด์การตอบกลับ</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>ฟิลด์</th><th>ประเภท</th></tr></thead><tbody><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>string</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>string</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>integer</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>finite float[]</td></tr><tr><th data-cell-label=\"ฟิลด์\" scope=\"row\"><span class=\"card-cell-label\">ฟิลด์</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"ประเภท\" data-field-type><span class=\"card-cell-label\">ประเภท</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>ข้อผิดพลาดและขั้นตอนถัดไป</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>การตอบกลับ</th><th>เงื่อนไข</th><th>ขั้นตอนถัดไป</th></tr></thead><tbody><tr><th data-cell-label=\"การตอบกลับ\" scope=\"row\"><span class=\"card-cell-label\">การตอบกลับ</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"เงื่อนไข\"><span class=\"card-cell-label\">เงื่อนไข</span>ไม่ได้ระบุโมเดลหรือ JSON มีรูปแบบไม่ถูกต้อง</td><td data-cell-label=\"ขั้นตอนถัดไป\"><span class=\"card-cell-label\">ขั้นตอนถัดไป</span>แก้ไขฟิลด์ที่ระบุ</td></tr><tr><th data-cell-label=\"การตอบกลับ\" scope=\"row\"><span class=\"card-cell-label\">การตอบกลับ</span>413 · <code>invalid_request_error</code></th><td data-cell-label=\"เงื่อนไข\"><span class=\"card-cell-label\">เงื่อนไข</span>เกินขีดจำกัดขนาดเนื้อหาที่กำหนดไว้</td><td data-cell-label=\"ขั้นตอนถัดไป\"><span class=\"card-cell-label\">ขั้นตอนถัดไป</span>ลดปริมาณเนื้อหาจริง</td></tr><tr><th data-cell-label=\"การตอบกลับ\" scope=\"row\"><span class=\"card-cell-label\">การตอบกลับ</span>422 · <code>invalid_request_error</code></th><td data-cell-label=\"เงื่อนไข\"><span class=\"card-cell-label\">เงื่อนไข</span>ข้อมูลขาเข้าหรือตัวควบคุมขัดกับนโยบายเฉพาะที่ใช้อยู่</td><td data-cell-label=\"ขั้นตอนถัดไป\"><span class=\"card-cell-label\">ขั้นตอนถัดไป</span>ใช้ข้อมูลขาเข้าข้อความขั้นต่ำตามที่แสดง โดยไม่มีตัวควบคุมที่สืบทอดมา</td></tr><tr><th data-cell-label=\"การตอบกลับ\" scope=\"row\"><span class=\"card-cell-label\">การตอบกลับ</span>503 · <code>billing_error</code></th><td data-cell-label=\"เงื่อนไข\"><span class=\"card-cell-label\">เงื่อนไข</span>ไม่สามารถผูกการอนุญาตให้ใช้งานหรือใบเสนอราคาได้</td><td data-cell-label=\"ขั้นตอนถัดไป\"><span class=\"card-cell-label\">ขั้นตอนถัดไป</span>เก็บการตอบกลับไว้ อย่าใช้นโยบายอื่นแทน</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">ชื่ออื่น</h3><h4>ชื่ออื่นของโมเดล</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>ชื่อพาธเมธอดอื่น</h4><p class=\"note-s\">ใช้พาธเมธอดที่แสดงด้านบน</p><h4>ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล</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": "ไม่ได้ระบุโมเดลหรือ JSON มีรูปแบบไม่ถูกต้อง",
                "http_status": 400,
                "recovery": "แก้ไขฟิลด์ที่ระบุ",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "เกินขีดจำกัดขนาดเนื้อหาที่กำหนดไว้",
                "http_status": 413,
                "recovery": "ลดปริมาณเนื้อหาจริง",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "ข้อมูลขาเข้าหรือตัวควบคุมขัดกับนโยบายเฉพาะที่ใช้อยู่",
                "http_status": 422,
                "recovery": "ใช้ข้อมูลขาเข้าข้อความขั้นต่ำตามที่แสดง โดยไม่มีตัวควบคุมที่สืบทอดมา",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "ไม่สามารถผูกการอนุญาตให้ใช้งานหรือใบเสนอราคาได้",
                "http_status": 503,
                "recovery": "เก็บการตอบกลับไว้ อย่าใช้นโยบายอื่นแทน",
                "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": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล"
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน",
              "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": [
            "เก็บเวกเตอร์และดัชนีทุกรายการที่ส่งกลับ",
            "ไม่อนุมานการรองรับภาพ/เสียง/ออบเจ็กต์ไฟล์จากโปรไฟล์ข้อความขั้นต่ำนี้"
          ],
          "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": "อัตราราคาพื้นฐานของโทเคน",
            "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": "เอ็มเบดดิง",
        "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": "4a6234dff11c089e0f3338e51aa59680e0077d8a49af5de3155df684dc78557e",
    "input_html_sha256": "adbe03227dffc4d77b70c563c94e714064fd7ae0aa7417ddfea4e3b6b181b21f",
    "private_audit_sha256": "12fa292f68ef80068364e8269c057aee7914e6285dc62e60e42f97f1d58b55fa",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/th/google-gemini-embedding-2-preview/",
    "description": "Gemini Embedding 2 Preview แปลงข้อความ ภาพ เสียง วิดีโอ และ PDF เป็นเวกเตอร์เชิงตัวเลขในพื้นที่มัลติโมดัลเดียว โปรไฟล์พรีวิวที่มีเอกสารแยกต่างหากรองรับการค้นคืนและเปรียบเทียบข้ามชนิดสื่อ อินพุต 8,192 โทเคน และมิติเวกเตอร์ยืดหยุ่น",
    "locale": "th",
    "md_url": "https://ailoot.ai/models/th/google-gemini-embedding-2-preview/index.md",
    "title": "Google: Gemini Embedding 2 Preview — Ailoot",
    "url": "https://ailoot.ai/models/th/google-gemini-embedding-2-preview/"
  },
  "rawModel": {
    "about": "Gemini Embedding 2 Preview เป็นรุ่นพรีวิวที่มีชื่อเฉพาะของ Google ในตระกูลเอ็มเบดดิงมัลติโมดัลเนทีฟ แปลงข้อความ ภาพ วิดีโอ เสียง และ PDF เข้าสู่พื้นที่เชิงตัวเลขร่วม โดยแทนเจตนาเชิงความหมายในมากกว่า 100 ภาษา เอาต์พุตคือเอ็มเบดดิงหรือเวกเตอร์ที่ใช้เปรียบเทียบและค้นคืนข้อมูลที่เกี่ยวข้อง ตัวตนพรีวิวนี้แยกจาก Gemini Embedding 2 รุ่นเสถียร ไม่ได้หมายถึงน้ำหนักที่สลับใช้กันได้หรือพื้นที่เวกเตอร์เดียวกัน\n\nประกาศต้นฉบับอธิบายการค้นหาข้ามชนิดสื่อ การจำแนก จัดกลุ่ม วิเคราะห์อารมณ์ความรู้สึก และการสร้างคำตอบเสริมด้วยการค้นคืนเป็นการใช้งานต่อเนื่อง คำค้นข้อความหาข้อมูลภาพที่เกี่ยวข้องได้ ขณะที่ภาพหรือคลิปใช้เป็นต้นทางค้นหาได้เช่นกัน แอปพลิเคชันเก็บตัวแทน เปรียบเทียบ และคืนระเบียนที่ตรง โมเดลภาษาแยกต่างหากใช้ข้อมูลต้นฉบับที่ค้นคืนเพื่อร่างคำตอบได้ ตัวเอ็มเบดดิงไม่มีคำอธิบายภาษาธรรมชาติหรือบทถอดเสียง\n\nหน้ารุ่นของพรีวิวเองระบุขีดจำกัดอินพุต 8,192 โทเคนและมิติเอาต์พุตตั้งแต่ 128 ถึง 3,072 โดยแนะนำขนาด 768, 1,536 และ 3,072 ประกาศพรีวิวให้ค่าเริ่มต้น 3,072 และอธิบาย Matryoshka Representation Learning ซึ่งเก็บข้อมูลที่มีประโยชน์ในส่วนต้นที่สั้นลงของตัวแทน เลือกมิติเดียวสำหรับเวกเตอร์ที่ต้องเปรียบเทียบ และเก็บรุ่นโมเดลไว้กับคอลเล็กชัน แทนการรวมตัวแทนเพียงเพราะยาวเท่ากัน\n\nประกาศพรีวิวระบุภาพ PNG หรือ JPEG สูงสุดหกภาพต่อคำขอ วิดีโอ MP4 หรือ MOV สูงสุด 120 วินาที และเอกสาร PDF สูงสุดหกหน้า ยังระบุการเอ็มเบดเสียงโดยตรงโดยไม่ผ่านการถอดเสียงเป็นข้อความกลาง ข้อกำหนดเหล่านี้มาจากประกาศพรีวิวเอง ไม่ใช่คู่มือรุ่นเสถียรภายหลัง ประกาศไม่ได้ยืนยันขีดจำกัดปัจจุบันทุกข้อของความยาวเสียง codec หรือการสุ่มเฟรมสำหรับโปรไฟล์พรีวิวที่ตรงนี้\n\nอินพุตมัลติโมดัลที่ผสมแทรกกันทำให้ตัวแทนสะท้อนความสัมพันธ์ระหว่างสื่อ เช่น ภาพกับคำบรรยาย สำหรับแคตตาล็อกสินค้า ให้ภาพถ่ายและคำอธิบายที่อนุมัติร่วมกันเมื่ออธิบายวัตถุค้นคืนหนึ่งชิ้น สำหรับคอลเล็กชันเอกสาร แบ่งต้นฉบับเป็นย่อหน้าหรือหน้าที่เจาะจง และรักษาชื่อกับตำแหน่ง สำหรับคลังสื่อ เลือกคลิปที่ตรงเหตุการณ์ที่ผู้ใช้ควรหา และเก็บช่วงเวลาต้นฉบับไว้กับระเบียนที่จัดเก็บ\n\nงานค้นคืนที่มีประโยชน์ทำความสัมพันธ์ที่ตั้งใจให้ชัด คำถามที่หาคำอธิบาย การหาสิ่งที่มองคล้ายกัน และการจัดกลุ่มตามหัวข้อเป็นคนละงาน แม้ใช้คอลเล็กชันต้นฉบับเดียวกัน เตรียมเนื้อหาสม่ำเสมอ บันทึกรุ่นกับมิติ และผูกทุกเวกเตอร์กับต้นฉบับ ความคล้ายให้ตัวเลือกที่แอปพลิเคชันตรวจ ไม่ใช่หลักฐานว่าระเบียนสองชิ้นกล่าวข้อเท็จจริงเดียวกันหรือว่าต้นฉบับที่ค้นคืนตอบคำถามครบ\n\nสำหรับการค้นสื่อจริง ให้แทนภาพหรือวิดีโอตัดตอนที่เลือกแล้วเปรียบเทียบกับคำอธิบายเนื้อหาที่ต้องการ แสดงต้นฉบับที่ตรงพร้อมคำบรรยายหรือช่วงเวลาเพื่อให้ผู้ใช้ตรวจ สำหรับผู้ช่วยความรู้ ให้ค้นคืนหน้าหรือย่อหน้าที่เกี่ยวข้องก่อนสร้างคำตอบเป็นข้อความ บทบาทโมเดล Preview คือตัวแทนเชิงตัวเลขมัลติโมดัลที่สนับสนุนขั้นตอนเลือกเหล่านั้น ส่วนการจัดเก็บ กฎจัดอันดับ และคำตอบสุดท้ายยังเป็นส่วนของเวิร์กโฟลว์รอบข้าง",
    "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": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด"
      }
    ],
    "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": "ไม่ได้ระบุโมเดลหรือ JSON มีรูปแบบไม่ถูกต้อง",
                "http_status": 400,
                "recovery": "แก้ไขฟิลด์ที่ระบุ",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "เกินขีดจำกัดขนาดเนื้อหาที่กำหนดไว้",
                "http_status": 413,
                "recovery": "ลดปริมาณเนื้อหาจริง",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "ข้อมูลขาเข้าหรือตัวควบคุมขัดกับนโยบายเฉพาะที่ใช้อยู่",
                "http_status": 422,
                "recovery": "ใช้ข้อมูลขาเข้าข้อความขั้นต่ำตามที่แสดง โดยไม่มีตัวควบคุมที่สืบทอดมา",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "ไม่สามารถผูกการอนุญาตให้ใช้งานหรือใบเสนอราคาได้",
                "http_status": 503,
                "recovery": "เก็บการตอบกลับไว้ อย่าใช้นโยบายอื่นแทน",
                "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": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล"
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน",
              "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": [
            "เก็บเวกเตอร์และดัชนีทุกรายการที่ส่งกลับ",
            "ไม่อนุมานการรองรับภาพ/เสียง/ออบเจ็กต์ไฟล์จากโปรไฟล์ข้อความขั้นต่ำนี้"
          ],
          "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": "อัตราราคาพื้นฐานของโทเคน",
            "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": "เอ็มเบดดิง",
        "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 แปลงข้อความ ภาพ เสียง วิดีโอ และ PDF เป็นเวกเตอร์เชิงตัวเลขในพื้นที่มัลติโมดัลเดียว โปรไฟล์พรีวิวที่มีเอกสารแยกต่างหากรองรับการค้นคืนและเปรียบเทียบข้ามชนิดสื่อ อินพุต 8,192 โทเคน และมิติเวกเตอร์ยืดหยุ่น"
  },
  "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 แปลงข้อความ ภาพ เสียง วิดีโอ และ PDF เป็นเวกเตอร์เชิงตัวเลขในพื้นที่มัลติโมดัลเดียว โปรไฟล์พรีวิวที่มีเอกสารแยกต่างหากรองรับการค้นคืนและเปรียบเทียบข้ามชนิดสื่อ อินพุต 8,192 โทเคน และมิติเวกเตอร์ยืดหยุ่น",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "146159cbe7fbcd9e7275c32d7b3673af370264057d82ff23282d446aad310db2",
    "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9"
  },
  "sourceRevision": "7495ff4814e642a5daa6ae2f0c2452f4be66e918a1c5d78fca04cdbd3a24fd5e"
}