हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
google/gemini-embedding-001:batchऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
Google: Gemini Embedding 001 (batch) Google का एक embedding मॉडल है, जो यहाँ batch variant में उपलब्ध है। यह embeddings श्रेणी से संबंधित है, इसलिए इसका काम prose या chat responses उत्पन्न करना नहीं, बल्कि text को vector representations में बदलना है। इसे provider ने 2025-10-31 को जारी किया था।
मॉडल अपने इनपुट के रूप में केवल text लेता है और अपने आउटपुट के रूप में केवल embeddings लौटाता है। यह 20,000 tokens की context length का समर्थन करता है, और इसका maximum output 18,000 है। requests पर कॉन्फ़िगर करने के लिए कोई अतिरिक्त supported parameters नहीं हैं। चूँकि input modality केवल text है, मॉडल images, audio या अन्य media स्वीकार नहीं करता, और चूँकि output एक vector है, आपको किसी call से generated text वापस मिलने की अपेक्षा नहीं करनी चाहिए।
व्यावहारिक उपयोग इन विशेषताओं से सीधे निकलते हैं। Embeddings semantic search का building block हैं, जहाँ आप documents को index करते हैं और किसी query के अर्थ के सबसे निकट passages प्राप्त करते हैं। ये retrieval augmented generation का समर्थन करते हैं, जहाँ relevant chunks लाए जाते हैं और एक अलग language model को दिए जाते हैं जो उत्तर लिखता है। ये बड़े text collections में clustering और topic discovery, deduplication और near duplicate detection, vectors के ऊपर lightweight classifier प्रशिक्षित करने पर classification, और items के बीच recommendation या similarity matching के लिए भी काम करते हैं। 20,000 token context का अर्थ है कि एक ही request काफी लंबे document को कवर कर सकती है, इसलिए आप पूरे sections को embed कर सकते हैं बजाय सब कुछ छोटे fragments में विभाजित करने के, हालाँकि यदि आपके documents उस लंबाई से अधिक हैं तो आपको अभी भी यह सोचना होगा कि text को कैसे chunk करना है।
आप मॉडल को api14 के OpenAI-compatible API के माध्यम से model id "google/gemini-embedding-001:batch" का उपयोग करके call करते हैं। चूँकि interface OpenAI embeddings format का पालन करता है, आप अपना text embeddings request के input field में भेजते हैं और response से vectors पढ़ते हैं। मॉडल कोई supported parameters सूचीबद्ध नहीं करता, इसलिए request पर model id और input के अलावा अतिरिक्त रूप से tune करने के लिए कुछ नहीं है।
यदि आपका कार्य text generation, summarisation, translation या कोई conversational output है, तो embedding model गलत tool है और text generation model बेहतर फिट होगा। Embedding कार्य के भीतर, अपना data तैयार करते समय 20,000 token context और text only input को ध्यान में रखें।
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-001:batch",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Google: Gemini Embedding 001 (batch) के बारे में पहला टॉपिक खोलें।