Google: Gemini Embedding 2 lawan OpenAI: Text Embedding 3 Large
Perbandingan berdampingan Google: Gemini Embedding 2 (US$0,70 / 1 jt token (≈ Rp 12.656)) dan OpenAI: Text Embedding 3 Large (US$0,45 / 1 jt token (≈ Rp 8.226)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| Google: Gemini Embedding 2 | OpenAI: Text Embedding 3 Large | |
|---|---|---|
| Penyedia | OpenAI | |
| Masukan | US$0,70 / 1 jt token (≈ Rp 12.656) | US$0,45 / 1 jt token (≈ Rp 8.226) |
| Input audio | US$22,75 / 1 jt token (≈ Rp 411.320) | - |
| Gambar | US$0,000002 / gambar (≈ Rp 0,0285) | - |
| Jendela konteks | 8.192 | 8.192 |
| Output maks. | 7.372 | 7.372 |
| Masukan | text, image, file, audio, video | text |
| Keluaran | embeddings | embeddings |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 20 Mei 2026 | 30 Okt 2025 |
Perbedaan utama
- OpenAI: Text Embedding 3 Large 35% lebih murah untuk token input.
Lebih mendalam
Google: Gemini Embedding 2 adalah model embedding dari Google, terdaftar di bawah model id google/gemini-embedding-2. OpenAI: Text Embedding 3 Large adalah model embedding dari OpenAI, terdaftar di bawah model id openai/text-embedding-3-large. Keduanya berada di kategori embedding, dan keduanya mengembalikan embedding sebagai satu-satunya output, jadi keduanya bukan model chat atau completion yang akan Anda gunakan untuk menghasilkan teks. Pilihan di antara keduanya tergantung pada apa yang Anda embed dan berapa banyak yang ingin Anda bayar untuk itu.
Kedua model tersebut memiliki jendela konteks yang sama yaitu 8192 token, jadi tidak ada yang memberikan ruang lebih banyak per permintaan dibandingkan yang lain. Perbedaannya terletak pada input. Gemini Embedding 2 menerima teks, gambar, file, audio, dan video sebagai input, sementara Text Embedding 3 Large hanya menerima teks. Jika pipeline Anda perlu melakukan embedding pada hal selain teks, Gemini Embedding 2 adalah yang dapat melakukannya, dan Text Embedding 3 Large sama sekali tidak dapat menerima input tersebut. Kedua model tidak mengekspos parameter yang didukung dalam daftar, jadi Anda tidak memilih di antara keduanya berdasarkan tombol yang dapat disesuaikan. Dari segi harga, Text Embedding 3 Large lebih murah di antara keduanya untuk input, jadi beban kerja yang hanya berbasis teks membayar lebih sedikit di sana.
Untuk beban kerja yang hanya berbasis teks, seperti embedding dokumen, deskripsi produk, tiket dukungan, atau kueri pencarian, Text Embedding 3 Large adalah pilihan yang lugas: ia menangani teks, memiliki panjang konteks yang sama, dan lebih murah untuk input. Gunakan Gemini Embedding 2 ketika data Anda bukan murni teks. Koleksi media campuran, perpustakaan gambar, arsip audio, atau materi video semuanya termasuk dalam modalitas inputnya, dan satu model yang mencakup kasus-kasus tersebut menyelamatkan Anda dari menjalankan pipeline terpisah per jenis media. Jika Anda tidak yakin, mulailah dengan model yang hanya berbasis teks untuk teks dan beralih ke Gemini Embedding 2 hanya di tempat Anda benar-benar memiliki input non-teks untuk di-embed.
Memanggil salah satu model melalui api14 bekerja dengan cara yang sama, karena API tersebut kompatibel dengan OpenAI. Anda mengirimkan permintaan Anda ke endpoint embedding dengan kunci api14 Anda, dan satu-satunya hal yang berubah di antara keduanya adalah string model id. Gunakan google/gemini-embedding-2 untuk model Google dan openai/text-embedding-3-large untuk model OpenAI. Bentuk permintaan Anda, pustaka klien Anda, dan pemrosesan respons Anda tetap sama, sehingga Anda dapat memindahkan beban kerja teks dari satu ke yang lain hanya dengan mengedit bidang tunggal tersebut, atau mengarahkan input non-teks ke Gemini Embedding 2 sambil mempertahankan teks pada Text Embedding 3 Large dalam codebase yang sama.
Ada kasus di mana Text Embedding 3 Large tetap menjadi pilihan yang lebih baik meskipun Gemini Embedding 2 mencakup lebih banyak jenis input. Jika semua yang Anda embed adalah teks dan biaya input penting bagi Anda, harga input yang lebih murah pada model OpenAI adalah alasan nyata untuk tetap menggunakannya daripada membayar untuk kemampuan multimodal yang tidak akan pernah Anda panggil. Hal yang sama berlaku sebaliknya: jika Anda memiliki input non-teks, tidak ada keuntungan harga yang membuat Text Embedding 3 Large dapat digunakan untuk itu, karena teks adalah satu-satunya modalitas yang diterimanya. Sesuaikan model dengan data yang benar-benar Anda miliki.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "google/gemini-embedding-2" ke "openai/text-embedding-3-large", prompt, streaming, dan tools tetap berfungsi.
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": "openai/text-embedding-3-large",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Perbandingan lainnya
- Amazon: Titan Multimodal Embeddings G1 lawan Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 lawan Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 lawan Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 lawan Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text lawan Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text lawan Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text lawan Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 lawan Cohere: Embed 5 Fast