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 (batch)

google/gemini-embedding-2:batch

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

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

Google: Gemini Embedding 2 (batch) 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 (batch) एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 400% ज़्यादा है।

Google: Gemini Embedding 2 (batch) के बारे में

Google: Gemini Embedding 2 (batch) Google का एक embedding मॉडल है। यह api14 पर embeddings श्रेणी के अंतर्गत सूचीबद्ध है, और इसकी provider release date 2026-05-20 है। Google इसे Gemini Embedding 2 के रूप में वर्णित करता है, जो कंपनी का पहला multimodal embedding मॉडल है। chat replies उत्पन्न करने के बजाय, यह vector representations बनाता है जिन्हें आप संग्रहीत और तुलना करते हैं, जो इसे search और retrieval systems के लिए एक building block बनाता है, न कि एक assistant जिससे आप बात करते हैं।

मॉडल text, image, file, audio और video inputs स्वीकार करता है, और इसका एकमात्र output modality embeddings है। Google का विवरण बताता है कि semantic search और retrieval-augmented generation (RAG) के लिए text और images वर्तमान में unified vector space में mapping के लिए समर्थित हैं, इसलिए व्यापक input सूची मॉडल के multimodal design को दर्शाती है जबकि documented mapping text और images को कवर करती है। context window 8192 tokens है, और अधिकतम output 7372 है। चूंकि output prose के बजाय एक vector है, इसलिए configure करने या वापस पढ़ने के लिए कोई text generation नहीं है।

ये क्षमताएं कुछ व्यावहारिक patterns की ओर इशारा करती हैं। मिश्रित corpus पर semantic search सबसे सीधा है: documents और queries को एक ही space में embed करें और similarity के आधार पर rank करें, ताकि एक text query प्रासंगिक images सामने ला सके या इसके विपरीत। RAG pipelines इसी गुण का उपयोग करते हैं, index time पर chunks embed करते हैं और query time पर user question embed करते हैं ताकि एक generator को निकटतम passages सौंपे जा सकें। चूंकि files, audio और video accepted inputs के रूप में सूचीबद्ध हैं, समृद्ध media के साथ काम करने वाली teams उस content को सीधे embed कर सकती हैं, बजाय पहले एक अलग transcription या captioning step लिखने के, हालांकि Google का वर्तमान विवरण केवल text और images के लिए प्रतिबद्ध है।

इसे api14 के माध्यम से कॉल करना gateway पर किसी भी अन्य मॉडल की तरह काम करता है, OpenAI-compatible API का उपयोग करते हुए model id "google/gemini-embedding-2:batch" के साथ। batch suffix इंगित करता है कि यह variant batch embedding कार्य के लिए है। supported parameters सूची खाली है, इसलिए endpoint जिन standard request fields की अपेक्षा करता है, उनके अलावा कोई अतिरिक्त request options सेट करने के लिए नहीं हैं। आप अपना input भेजते हैं, embeddings वापस प्राप्त करते हैं, और storage तथा similarity comparison अपनी ओर से संभालते हैं।

विचार करने के लिए मुख्य बाधा 8192 token context window है। लंबे documents को embedding से पहले chunks में विभाजित करने की आवश्यकता होती है, जो retrieval कार्य के लिए सामान्य है लेकिन आपकी pipeline में एक chunking step जोड़ता है। यदि आपका कार्य text को vectors के रूप में represent करने के बजाय text उत्पन्न करना है, तो embeddings मॉडल गलत tool है और एक chat या completion मॉडल बेहतर फिट होगा। यदि आपके inputs ज्यादातर audio या video हैं और आपको सूचीबद्ध modality के बजाय guaranteed support चाहिए, तो प्रतिबद्ध होने से पहले उस behaviour को सत्यापित करें, क्योंकि Google का विवरण वर्तमान में text और images का नाम लेता है।

Google: Gemini Embedding 2 (batch) 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:batch" 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:batch",
  "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 (batch): अक्सर पूछे जाने वाले सवाल

Google: Gemini Embedding 2 (batch) API की कीमत कितनी है?: Google: Gemini Embedding 2 (batch) की कीमत इनपुट $0.35 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Google: Gemini Embedding 2 (batch) की context window कितनी है?: Google: Gemini Embedding 2 (batch) 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 (batch) क्या कर सकता है?: Google: Gemini Embedding 2 (batch) text, image, file, audio, video स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Google: Gemini Embedding 2 (batch) कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "google/gemini-embedding-2:batch" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Google: Gemini Embedding 2 (batch) के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Google: Gemini Embedding 001, Mistral: Codestral Embed 2505, OpenAI: Text Embedding 3 Large। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Google: Gemini Embedding 2 (batch) कम्युनिटी

नया टॉपिक

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