Google: Gemini Embedding 2 Preview

Google: Gemini Embedding 2 Preview adalah model embedding dari Google, yang dipublikasikan dengan model id google/gemini-embedding-2-preview. Model ini berada di kategori embeddings dan dideskripsikan oleh Google sebagai model embedding multimodal pertamanya. Ini adalah rilis preview, yang perlu diperhatikan jika Anda berencana bergantung padanya di produksi.

Model ini menerima teks, gambar, file, audio dan video sebagai input, dan menghasilkan embeddings sebagai satu-satunya output. Panjang konteksnya adalah 8192 token, dan output maksimumnya adalah 7372. Deskripsi Google menyatakan bahwa teks dan gambar saat ini didukung untuk dipetakan ke ruang vektor terpadu, yang merupakan bagian dari daftar input multimodal yang secara eksplisit dicakup saat ini.

Kombinasi itu mengarah pada pencarian semantik dan retrieval-augmented generation, dua penggunaan yang disebut Google dalam deskripsinya. Anda dapat melakukan embed pada dokumen dan query sehingga vector store dapat mengambil passage berdasarkan makna bukan berdasarkan kata kunci, dan Anda dapat memberikan passage yang diambil ke model generasi untuk mendasari jawabannya. Karena gambar dapat dipetakan ke ruang vektor yang sama dengan teks, retrieval lintas modal juga mengikuti: mengindeks gambar bersama teks dan mencari di keduanya dengan satu query. Daftar input yang lebih luas (file, audio, video) menunjukkan arah model ini, tetapi dukungan yang dinyatakan adalah teks dan gambar, jadi anggap itu sebagai input yang andal untuk saat ini.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id google/gemini-embedding-2-preview, dengan cara yang sama seperti Anda memanggil endpoint embedding lainnya, sehingga library klien OpenAI dan jalur kode yang ada tetap berfungsi tanpa perubahan. Model ini tidak mencantumkan parameter yang didukung selain dasar-dasar request, jadi buat panggilan Anda tetap sederhana dan hindari mengasumsikan opsi tuning yang tidak didokumentasikan.

Dua poin praktis. Konteks 8192 token membatasi berapa banyak teks yang dapat Anda embed dalam satu panggilan, sehingga dokumen panjang perlu dipecah menjadi chunk sebelum embedding. Dan karena ini adalah model preview, jika Anda membutuhkan target embedding yang stabil dan jangka panjang, model embedding non-preview mungkin menjadi pilihan yang lebih aman.