Google: Gemini Embedding 2 Preview

Google: Gemini Embedding 2 Preview è un modello di embedding di Google, pubblicato con l'id modello google/gemini-embedding-2-preview. Si colloca nella categoria degli embeddings ed è descritto da Google come il suo primo modello di embedding multimodale. È una release di anteprima, cosa che vale la pena notare se prevedi di dipenderne in produzione.

Il modello accetta testo, immagini, file, audio e video come input, e produce embeddings come unico output. La sua lunghezza di contesto è di 8192 token, e l'output massimo è 7372. La descrizione di Google afferma che testo e immagini sono attualmente supportati per la mappatura in uno spazio vettoriale unificato, che è la parte dell'elenco di input multimodali esplicitamente coperta oggi.

Questa combinazione punta alla ricerca semantica e alla generazione aumentata dal recupero, i due utilizzi che Google nomina nella sua descrizione. Puoi generare embedding di documenti e query in modo che un vector store possa recuperare passaggi per significato anziché per parola chiave, e puoi fornire i passaggi recuperati a un modello di generazione per fondare le sue risposte. Poiché le immagini possono essere mappate nello stesso spazio vettoriale del testo, ne consegue anche il recupero cross-modale: indicizzare immagini insieme al testo e cercare in entrambi con un'unica query. L'elenco più ampio di input (file, audio, video) suggerisce dove è diretto il modello, ma il supporto dichiarato è testo e immagini, quindi considerali gli input affidabili per ora.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id modello google/gemini-embedding-2-preview, allo stesso modo in cui chiameresti qualsiasi altro endpoint di embedding, quindi le librerie client OpenAI esistenti e i percorsi di codice funzionano senza modifiche. Il modello non elenca parametri supportati oltre alle basi della richiesta, quindi mantieni le tue chiamate semplici ed evita di presumere opzioni di tuning che non sono documentate.

Due punti pratici. Il contesto di 8192 token limita quanto testo puoi includere in una singola chiamata, quindi i documenti lunghi necessitano di chunking prima dell'embedding. E poiché questo è un modello di anteprima, se hai bisogno di un target di embedding stabile e a lungo termine, un modello di embedding non di anteprima potrebbe essere la scelta più sicura.