Google: Gemini Embedding 2 vs. Google: Gemini Embedding 2 Preview
Ein direkter Vergleich von Google: Gemini Embedding 2 (0,70 $ / 1 Mio. Tokens (≈ 0,62 €)) und Google: Gemini Embedding 2 Preview (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 2 | Google: Gemini Embedding 2 Preview | |
|---|---|---|
| Anbieter | ||
| Eingabe | 0,70 $ / 1 Mio. Tokens (≈ 0,62 €) | 0,70 $ / 1 Mio. Tokens (≈ 0,62 €) |
| Audioeingabe | 22,75 $ / 1 Mio. Tokens (≈ 20,26 €) | 22,75 $ / 1 Mio. Tokens (≈ 20,26 €) |
| Bild | 0,000002 $ / Bild (≈ 0,0000014 €) | 0,000002 $ / Bild (≈ 0,0000014 €) |
| Kontextfenster | 8.192 | 8.192 |
| Max. Ausgabe | 7.372 | 7.372 |
| Eingabe | text, image, file, audio, video | text, image, file, audio, video |
| Ausgabe | embeddings | embeddings |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 20.05.2026 | 17.04.2026 |
Die wichtigsten Unterschiede
- Beide haben etwa denselben Eingabepreis.
Im Detail
Google: Gemini Embedding 2 und Google: Gemini Embedding 2 Preview sind beide Embedding Modelle von Google, die auf api14 in der Kategorie embeddings angeboten werden. Sie teilen denselben Modellfamiliennamen und denselben Anbieter, und beide nehmen Eingaben entgegen und geben Embeddings als Ausgabe zurück. Das Wichtigste, was sie auf dem Papier unterscheidet, ist der Zeitpunkt: Das Preview Modell trägt ein Anbieter-Veröffentlichungsdatum von 2026-04-17, während das Nicht-Preview Modell auf 2026-05-20 datiert ist. Diese Reihenfolge legt nahe, dass die Preview zuerst kam und das Standardmodell folgte, was dem üblichen Muster entspricht, wenn eine Preview zu einem stabilen Namen befördert wird.
Hinsichtlich der Fähigkeiten sind die beiden Modelle in den verfügbaren Fakten effektiv identisch. Beide akzeptieren Text, Bild, Datei, Audio und Video als Eingabemodalitäten, und beide geben nur Embeddings zurück. Beide haben eine Kontextlänge von 8192 Tokens. Keines listet unterstützte Parameter auf, und der qualitative Vergleich markiert günstigere Eingabe als Gleichstand, wobei die anderen Felder (günstigere Ausgabe, größerer Kontext, Tools, strukturierte Ausgabe, Reasoning) entweder null oder nicht bedeutsam unterschiedlich sind. Es gibt also keinen Unterschied bei Fähigkeiten, Modalitäten oder Kontextfenster, der hier abzuwägen wäre. Die Wahl läuft nicht darauf hinaus, dass ein Modell etwas kann, was das andere nicht kann.
Für die praktische Auswahl sollten Sie sie als austauschbar für Embedding-Arbeiten über Text, Bilder, Dateien, Audio und Video innerhalb des 8192-Token-Fensters behandeln. Wenn Sie eine Retrieval-Pipeline, einen semantischen Suchindex, einen Clustering-Job oder eine Empfehlungsfunktion erstellen, wird jede der beiden Modell-IDs ihren Zweck erfüllen. Da die Eingabepreise etwa gleich sind, ist auch der Preis kein starkes Entscheidungskriterium. Der sinnvolle Standard für die Produktion ist das Nicht-Preview Modell, da ein Preview-Label normalerweise signalisiert, dass sich das Verhalten noch ändern kann, während der Standardname ein eher gefestigtes Ziel impliziert. Verwenden Sie die Preview, wenn Sie eine bestehende Pipeline darauf festgelegt haben oder Ergebnisse aus einer früheren Integration reproduzieren.
Der Aufruf eines der beiden Modelle über api14 funktioniert auf dieselbe Weise, da die API OpenAI-kompatibel ist. Sie senden Ihre Embedding-Anfrage an den embeddings Endpunkt mit Ihrem api14 Schlüssel, und die einzige Änderung zwischen den beiden ist die Modell-ID-Zeichenkette: "google/gemini-embedding-2" für das Standardmodell oder "google/gemini-embedding-2-preview" für die Preview. Die Anfrageform, die Eingabe-Nutzlast und das Antwortformat bleiben gleich, sodass ein Wechsel eine Einzeilen-Änderung in Ihrer Konfiguration ist, statt ein Neuschreiben Ihres Client-Codes.
Es gibt in den bereitgestellten Fakten keine Aufgabe, bei der die Preview eindeutig die bessere Wahl gegenüber dem Standardmodell ist, da sie bei Modalitäten, Kontext und Preis übereinstimmen. Der einzige Grund, bei der Preview zu bleiben, ist Kontinuität: Wenn Ihre Anwendung bereits "google/gemini-embedding-2-preview" referenziert und Sie vermeiden möchten, gespeicherte Embeddings zu ändern oder neu zu indizieren, ist es vernünftig, diese ID beizubehalten. Für neue Arbeiten ist das Standardmodell die natürlichere Wahl, gegeben sein späteres Veröffentlichungsdatum und seinen Nicht-Preview-Status.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "google/gemini-embedding-2" auf "google/gemini-embedding-2-preview", 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-preview",
"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