Google: Gemini Embedding 2 Preview

Google : Gemini Embedding 2 Preview est un modèle d'embedding de Google, publié sous l'identifiant de modèle google/gemini-embedding-2-preview. Il appartient à la catégorie des embeddings et est décrit par Google comme son premier modèle d'embedding multimodal. Il s'agit d'une version preview, ce qu'il vaut la peine de noter si vous prévoyez d'en dépendre en production.

Le modèle accepte du texte, des images, des fichiers, de l'audio et de la vidéo en entrée, et il produit des embeddings comme seule sortie. Sa longueur de contexte est de 8192 tokens, et la sortie maximale est de 7372. La description de Google indique que le texte et les images sont actuellement pris en charge pour être projetés dans un espace vectoriel unifié, ce qui correspond à la partie de la liste d'entrées multimodales explicitement couverte aujourd'hui.

Cette combinaison pointe vers la recherche sémantique et la génération augmentée par récupération, les deux usages que Google nomme dans sa description. Vous pouvez générer des embeddings de documents et de requêtes afin qu'un magasin vectoriel puisse récupérer des passages par le sens plutôt que par mot-clé, et vous pouvez fournir les passages récupérés à un modèle de génération pour ancrer ses réponses. Comme les images peuvent être projetées dans le même espace vectoriel que le texte, la récupération intermodale en découle aussi : indexer des images aux côtés du texte et rechercher dans les deux avec une seule requête. La liste d'entrées plus large (fichier, audio, vidéo) suggère la direction que prend le modèle, mais la prise en charge annoncée concerne le texte et les images, donc considérez celles-ci comme les entrées fiables pour l'instant.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle google/gemini-embedding-2-preview, de la même manière que vous appelleriez n'importe quel autre endpoint d'embedding, donc les bibliothèques clientes OpenAI et les chemins de code existants fonctionnent sans modification. Le modèle ne liste aucun paramètre pris en charge au-delà des bases de la requête, donc gardez vos appels simples et évitez de supposer des options de réglage qui ne sont pas documentées.

Deux points pratiques. Le contexte de 8192 tokens limite la quantité de texte que vous pouvez intégrer en un seul appel, donc les documents longs nécessitent un découpage avant l'embedding. Et comme il s'agit d'un modèle preview, si vous avez besoin d'une cible d'embedding stable et à long terme, un modèle d'embedding non preview peut être le choix le plus sûr.