Google: Gemini Embedding 2

جوجل: Gemini Embedding 2 هو نموذج تضمين من جوجل، مُدرج على api14 تحت معرّف النموذج google/gemini-embedding-2. يقع في فئة التضمينات، وتصفه جوجل بأنه أول نموذج تضمين متعدد الوسائط للشركة. بدلاً من توليد ردود محادثة، يحوّل المدخلات إلى متجهات يمكنك تخزينها ومقارنتها، مما يجعله لبنة بناء لأنظمة البحث والاسترجاع بدلاً من مساعد تتحدث إليه مباشرة.

يقبل النموذج مدخلات نصية وصورية وملفات وصوتية ومرئية، ووسيلة الإخراج الوحيدة لديه هي التضمينات. تشير وصف جوجل إلى أن النصوص والصور مدعومة حالياً لتعيينها في فضاء متجهي موحّد من أجل البحث الدلالي والتوليد المعزز بالاسترجاع (RAG). نافذة السياق هي 8192 رمزاً، والحد الأقصى للإخراج هو 7372. ولأن الإخراج متجه وليس نصاً، ينبغي أن تتوقع استهلاك النتيجة برمجياً، مثلاً بكتابتها إلى فهرس متجهات، بدلاً من قراءتها كنص.

تشير هذه القدرات إلى مجموعة استخدامات محددة نوعاً ما. البحث الدلالي عبر مجموعة مستندات هو الاستخدام البديهي: ضمّن مدونتك مرة واحدة، وضمّن الاستعلام وقت الطلب، ثم رتّب حسب تشابه المتجهات. تتبع خطوط أنابيب RAG الفكرة نفسها، حيث تُمرَّر المقاطع المسترجعة إلى نموذج توليد منفصل. يعني دعم المدخلات متعددة الوسائط أنه يمكنك أيضاً بناء استرجاع يمزج النصوص والصور في فضاء متجهي واحد، وهو ما يناسب الكتالوجات أو مكتبات الوسائط أو أي مجموعة ينبغي أن يستطيع فيها استعلام بالكلمات إظهار صورة ذات صلة. المدخلات الصوتية والمرئية مُدرجة كوسائط مقبولة، لذا فإن فهرسة تلك الأصول ممكنة أيضاً، وإن كان وصف جوجل يذكر فقط النصوص والصور كمدخلات تُعيَّن حالياً في الفضاء الموحّد.

تستدعي النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج google/gemini-embedding-2. ولأن الواجهة تتبع اصطلاح تضمينات OpenAI، ينبغي أن تعمل العملاء ومجموعات تطوير البرامج الحالية التي تشير بالفعل إلى عنوان أساسي متوافق مع OpenAI بأقل تغييرات. لا يدرج النموذج أي معاملات مدعومة، لذا لا يوجد شيء إضافي لضبطه في جسم الطلب beyond حقول استدعاء التضمين القياسية مثل معرّف النموذج والمدخل. إذا كنت تنقل خط أنابيب قائماً، فتحقق من أنك لا تعتمد على معاملات اختيارية لا يقبلها هذا النموذج.

أحد الاعتبارات العملية هو نافذة السياق البالغة 8192 رمزاً. المدخلات الأطول من ذلك تحتاج إلى تقسيم قبل التضمين، وستؤثر استراتيجية التقسيم على جودة الاسترجاع، لذا خطط لذلك بدلاً من افتراض أن المستندات كاملة تندرج ضمنها. ضع في اعتبارك أيضاً أن هذا النموذج ينتج تضمينات فقط. إذا كان تطبيقك يحتاج إلى نص مُولَّد أو ملخصات أو إجابات، فستحتاج إلى نموذج محادثة أو إكمال منفصل إلى جانبه، مع تولي Gemini Embedding 2 جانب الاسترجاع في خط الأنابيب.