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 2

google/gemini-embedding-2

Embeddingsइनपुट: text · image · file · audio · video8K20 मई 2026 को जोड़ा गया

playground में खोलें Google: Gemini Embedding 2 के लिए API key पाएं

Google: Gemini Embedding 2 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Google: Gemini Embedding 2 एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 900% ज़्यादा है।

Google: Gemini Embedding 2 के बारे में

Google: Gemini Embedding 2, Google का एक embedding मॉडल है, जो api14 पर मॉडल id google/gemini-embedding-2 के तहत सूचीबद्ध है। यह embeddings श्रेणी में आता है और Google इसे कंपनी का पहला multimodal embedding मॉडल बताता है। चैट प्रतिक्रियाएँ बनाने के बजाय, यह इनपुट को वैक्टर में बदलता है जिन्हें आप संग्रहीत और तुलना कर सकते हैं, जिससे यह उस सहायक के बजाय जिससे आप सीधे बात करते हैं, खोज और retrieval प्रणालियों के लिए एक निर्माण खंड बन जाता है।

यह मॉडल टेक्स्ट, छवि, फ़ाइल, ऑडियो और वीडियो इनपुट स्वीकार करता है, और इसका एकमात्र आउटपुट मोडलिटी embeddings है। Google के विवरण में उल्लेख है कि वर्तमान में टेक्स्ट और छवियाँ semantic search और retrieval-augmented generation (RAG) के लिए एक एकीकृत वेक्टर स्थान में मैप करने के लिए समर्थित हैं। संदर्भ विंडो 8192 टोकन है, और अधिकतम आउटपुट 7372 है। चूँकि आउटपुट गद्य के बजाय एक वेक्टर है, आपको परिणाम को प्रोग्रामेटिक रूप से उपभोग करने की अपेक्षा करनी चाहिए, उदाहरण के लिए इसे वेक्टर इंडेक्स में लिखकर, बजाय इसे टेक्स्ट के रूप में पढ़ने के।

ये क्षमताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। दस्तावेज़ संग्रह पर semantic search स्पष्ट है: अपने कोष को एक बार embed करें, अनुरोध के समय क्वेरी को embed करें, और वेक्टर समानता द्वारा रैंक करें। RAG पाइपलाइनें इसी विचार से आगे बढ़ती हैं, जहाँ retrieved अंशों को एक अलग generation मॉडल को पास किया जाता है। multimodal इनपुट समर्थन का अर्थ है कि आप एक ही वेक्टर स्थान में टेक्स्ट और छवियों को मिलाने वाली retrieval भी बना सकते हैं, जो कैटलॉग, मीडिया लाइब्रेरी या किसी भी ऐसे संग्रह के लिए उपयुक्त है जहाँ शब्दों में क्वेरी एक प्रासंगिक चित्र सामने ला सके। ऑडियो और वीडियो इनपुट स्वीकृत मोडलिटी के रूप में सूचीबद्ध हैं, इसलिए उन संपत्तियों को अनुक्रमित करना भी संभव है, हालाँकि Google का विवरण केवल टेक्स्ट और छवियों को वर्तमान में एकीकृत स्थान में मैप किए जाने के रूप में बताता है।

आप मॉडल id google/gemini-embedding-2 का उपयोग करके api14 के OpenAI-संगत API के माध्यम से इस मॉडल को कॉल करते हैं। चूँकि इंटरफ़ेस OpenAI embeddings परंपरा का पालन करता है, मौजूदा क्लाइंट और SDK जो पहले से ही OpenAI-संगत बेस URL की ओर इंगित हैं, न्यूनतम परिवर्तनों के साथ काम करेंगे। मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता है, इसलिए अनुरोध बॉडी में मानक embedding कॉल फ़ील्ड जैसे मॉडल id और इनपुट के अलावा ट्यून करने के लिए कुछ अतिरिक्त नहीं है। यदि आप एक मौजूदा पाइपलाइन पोर्ट कर रहे हैं, तो जाँचें कि आप उन वैकल्पिक पैरामीटरों पर निर्भर नहीं हैं जिन्हें यह मॉडल स्वीकार नहीं करता है।

एक व्यावहारिक विचार 8192 टोकन संदर्भ विंडो है। इससे लंबे इनपुट को embed करने से पहले विभाजित करने की आवश्यकता होती है, और chunking रणनीति retrieval गुणवत्ता को प्रभावित करेगी, इसलिए इसकी योजना बनाएँ बजाय यह मानने के कि पूरे दस्तावेज़ फिट होंगे। यह भी ध्यान में रखें कि यह मॉडल केवल embeddings उत्पन्न करता है। यदि आपके एप्लिकेशन को generated टेक्स्ट, सारांश या उत्तर चाहिए, तो आपको इसके साथ एक अलग चैट या completion मॉडल की आवश्यकता होगी, जिसमें Gemini Embedding 2 पाइपलाइन के retrieval पक्ष को संभालेगा।

Google: Gemini Embedding 2 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "google/gemini-embedding-2" पर सेट करें।

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));

स्पेसिफिकेशन

Context लंबाई: 8,192
अधिकतम आउटपुट: 7,372
इनपुट: text, image, file, audio, video
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Google: Gemini Embedding 2: अक्सर पूछे जाने वाले सवाल

Google: Gemini Embedding 2 API की कीमत कितनी है?: Google: Gemini Embedding 2 की कीमत इनपुट $0.70 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Google: Gemini Embedding 2 की context window कितनी है?: Google: Gemini Embedding 2 हर request में 8,192 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 7,372 आउटपुट tokens तक लिखता है।
Google: Gemini Embedding 2 क्या कर सकता है?: Google: Gemini Embedding 2 text, image, file, audio, video स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Google: Gemini Embedding 2 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "google/gemini-embedding-2" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Google: Gemini Embedding 2 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Google: Gemini Embedding 2 Preview, Google: Gemini Embedding 2 (batch), Google: Gemini Embedding 001। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Google: Gemini Embedding 2 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Google: Gemini Embedding 2 के बारे में पहला टॉपिक खोलें।