Google: Gemini Embedding 001 vs. Google: Gemini Embedding 2
Ein direkter Vergleich von Google: Gemini Embedding 001 (0,52 $ / 1 Mio. Tokens (≈ 0,47 €)) und Google: Gemini Embedding 2 (0,70 $ / 1 Mio. Tokens (≈ 0,62 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Google: Gemini Embedding 001 | Google: Gemini Embedding 2 | |
|---|---|---|
| Anbieter | ||
| Eingabe | 0,52 $ / 1 Mio. Tokens (≈ 0,47 €) | 0,70 $ / 1 Mio. Tokens (≈ 0,62 €) |
| Audioeingabe | - | 22,75 $ / 1 Mio. Tokens (≈ 20,26 €) |
| Bild | - | 0,000002 $ / Bild (≈ 0,0000014 €) |
| Kontextfenster | 20.000 | 8.192 |
| Max. Ausgabe | 18.000 | 7.372 |
| Eingabe | text | text, image, file, audio, video |
| Ausgabe | embeddings | embeddings |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 31.10.2025 | 20.05.2026 |
Die wichtigsten Unterschiede
- Google: Gemini Embedding 001 ist bei Eingabe-Tokens 25% günstiger.
- Google: Gemini Embedding 001 liest 2.4× mehr Kontext (20.000 Tokens).
Im Detail
Google: Gemini Embedding 001 und Google: Gemini Embedding 2 sind beide Embedding-Modelle von Google, die über api14 in der Kategorie embeddings bereitgestellt werden. Keines der beiden Modelle erzeugt Text; beide nehmen Eingaben entgegen und geben Vektoren zurück, sodass sie an derselben Stelle in einer Retrieval- oder Similarity-Pipeline eingesetzt werden. Der Unterschied liegt darin, was man ihnen zuführen kann und wie viel davon sie auf einmal akzeptieren. Gemini Embedding 001 kam zuerst, am 2025-10-31, und Gemini Embedding 2 folgte am 2026-05-20.
Die Fähigkeitslücke betrifft hauptsächlich die Eingabetypen. Gemini Embedding 001 akzeptiert nur Text, ist also das richtige Werkzeug, wenn das Korpus aus Dokumenten, Abfragen, Code-Snippets oder Chat-Protokollen besteht. Gemini Embedding 2 akzeptiert Text, Bild, Datei, Audio und Video, was bedeutet, dass man einen Screenshot, ein PDF, eine Aufnahme oder einen Clip in denselben Vektorraum wie den Text einbetten kann. Der Kontext ist die andere Trennung, und hier gewinnt das ältere Modell: Gemini Embedding 001 nimmt bis zu 20.000 Tokens, während Gemini Embedding 2 bis zu 8.192 nimmt. Das neuere Modell ist also breiter in der Modalität, aber enger darin, wie viel Text es in einem Aufruf sehen kann. Beide geben nur Embeddings aus, und keines listet unterstützte Parameter auf, sodass es kein Tool Calling, keine strukturierte Ausgabe und keinen Reasoning-Modus abzuwägen gibt.
Für eine reine Text-Arbeitslast ist Gemini Embedding 001 normalerweise die einfachere Wahl. Es verarbeitet längere Passagen in einer einzigen Anfrage, was für die Chunking-Strategie wichtig ist: Mit 20.000 Tokens kann man größere Abschnitte ohne Aufteilung einbetten, und es ist das günstigere der beiden bei der Eingabe. Wenn der Inhalt kurzer Text ist, Produktbeschreibungen, Support-Tickets, Suchabfragen, kostet der kleinere Kontext von Gemini Embedding 2 nichts, und man gewinnt die Option, später Bilder oder Audio beizumischen. Wähle Gemini Embedding 2, wenn das, was man einbetten muss, kein Text ist, oder wenn man einen Index möchte, der Text, Bilder, Dateien, Audio und Video zusammen abdeckt. Wähle Gemini Embedding 001, wenn die Eingabe langer Text ist und der Preis pro Eingabe-Token eine Rolle spielt.
Beide Modelle über api14 aufzurufen funktioniert auf dieselbe Weise, weil die API OpenAI-kompatibel ist. Man sendet eine Anfrage an den embeddings-Endpunkt mit der Eingabe und einem model-Feld, und man tauscht nur die Modell-ID aus: "google/gemini-embedding-001" oder "google/gemini-embedding-2". Alles andere im Client, die Form der Anfrage, die Form der Antwort, die Art, wie man den Vektor zurückliest, bleibt identisch. Das macht es günstig, beide gegen die eigenen Daten zu testen, bevor man sich festlegt, und günstig, später zu wechseln, falls sich die Eingabetypen ändern.
Es gibt einen Fall, in dem das ältere Modell die bessere Wahl bleibt, selbst nachdem das neuere existiert: langer Text. Wenn ein einzelner Dokument-Chunk über 8.192 Tokens hinausgeht, kann Gemini Embedding 2 ihn nicht in einem Aufruf aufnehmen, während Gemini Embedding 001 bis zu 20.000 gehen kann. In Kombination mit den niedrigeren Eingabekosten hält das Gemini Embedding 001 für textlastige Retrieval-Arbeit auch neben dem multimodalen Modell relevant.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "google/gemini-embedding-001" auf "google/gemini-embedding-2", Prompts, Streaming und Tools funktionieren weiter.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "google/gemini-embedding-2",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Weitere Vergleiche
- Amazon: Titan Multimodal Embeddings G1 vs. Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 vs. Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 vs. Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 vs. Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text vs. Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text vs. Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text vs. Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 vs. Cohere: Embed 5 Fast