Google: Gemini Embedding 2 Preview

Google: Gemini Embedding 2 Preview ist ein Embedding-Modell von Google, veröffentlicht unter der Modell-ID google/gemini-embedding-2-preview. Es liegt in der Kategorie Embeddings und wird von Google als sein erstes multimodales Embedding-Modell beschrieben. Es handelt sich um eine Preview-Version, was erwähnenswert ist, wenn Sie planen, sich in der Produktion darauf zu verlassen.

Das Modell akzeptiert Text, Bild, Datei, Audio und Video als Eingabe und erzeugt als einzige Ausgabe Embeddings. Seine Kontextlänge beträgt 8192 Token, und die maximale Ausgabe beträgt 7372. Googles Beschreibung besagt, dass derzeit Text und Bilder für die Abbildung in einen einheitlichen Vektorraum unterstützt werden, was der Teil der multimodalen Eingabeliste ist, der heute ausdrücklich abgedeckt ist.

Diese Kombination deutet auf semantische Suche und retrieval-augmentierte Generierung hin, die beiden Anwendungen, die Google in seiner Beschreibung nennt. Sie können Dokumente und Abfragen einbetten, sodass ein Vektorspeicher Passagen nach Bedeutung statt nach Schlüsselwort abrufen kann, und Sie können die abgerufenen Passagen an ein Generierungsmodell übergeben, um dessen Antworten zu fundieren. Da Bilder in denselben Vektorraum wie Text abgebildet werden können, ergibt sich auch crossmodales Retrieval: Bilder neben Text indexieren und über beide mit einer einzigen Abfrage suchen. Die breitere Eingabeliste (Datei, Audio, Video) deutet an, wohin das Modell sich entwickelt, aber die angegebene Unterstützung umfasst Text und Bilder, behandeln Sie diese vorerst als die zuverlässigen Eingaben.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID google/gemini-embedding-2-preview auf, genauso wie Sie jeden anderen Embedding-Endpunkt aufrufen würden, sodass bestehende OpenAI-Client-Bibliotheken und Codepfade ohne Änderungen funktionieren. Das Modell listet keine unterstützten Parameter über die Grundlagen der Anfrage hinaus auf, halten Sie Ihre Aufrufe daher einfach und gehen Sie nicht von Tuning-Optionen aus, die nicht dokumentiert sind.

Zwei praktische Punkte. Der Kontext von 8192 Token begrenzt, wie viel Text Sie in einem Aufruf einbetten können, lange Dokumente müssen daher vor dem Einbetten aufgeteilt werden. Und da dies ein Preview-Modell ist, kann ein Nicht-Preview-Embedding-Modell die sicherere Wahl sein, wenn Sie ein stabiles, langfristiges Embedding-Ziel benötigen.