Google: Gemini Embedding 2 対 Perplexity: Embed V1 4B
api14カタログの最新のUSD料金と機能をもとに、Google: Gemini Embedding 2（$0.70 / 100万トークン (≈ ￥110)）とPerplexity: Embed V1 4B（$0.11 / 100万トークン (≈ ￥17)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Google: Gemini Embedding 2 | Perplexity: Embed V1 4B | |
|---|---|---|
| プロバイダー | Perplexity | |
| 入力 | $0.70 / 100万トークン (≈ ￥110) | $0.11 / 100万トークン (≈ ￥17) |
| 音声入力 | $22.75 / 100万トークン (≈ ￥3,591) | - |
| 画像 | $0.000002 / 画像 (≈ ￥0.000249) | - |
| コンテキストウィンドウ | 8,192 | 32,000 |
| 最大出力 | 7,372 | 28,800 |
| 入力 | text, image, file, audio, video | text |
| 出力 | embeddings | embeddings |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/05/20 | 2026/03/16 |
主な違い
- Perplexity: Embed V1 4Bは入力トークンが85%安くなっています。
- Perplexity: Embed V1 4Bは3.9倍長いコンテキスト（32,000トークン）を読み取れます。
詳しく見る
Google: Gemini Embedding 2 は Google の埋め込みモデルで、モデル ID google/gemini-embedding-2 で登録されています。Perplexity: Embed V1 4B は Perplexity の埋め込みモデルで、モデル ID perplexity/pplx-embed-v1-4b で登録されています。どちらも embeddings カテゴリに属しており、生成テキストではなく入力を受け取って埋め込みを返すという意味で共通し、どちらもサポートされるパラメータを公開していないため、入力とともに呼び出してベクトルを読み取ることになります。
最も明確な違いはコンテキストウィンドウと入力モダリティにあります。Gemini Embedding 2 はテキスト、画像、ファイル、音声、動画を入力として受け付け、コンテキスト長は 8192 トークンです。Embed V1 4B はテキストのみを受け付けますが、コンテキスト長は 32000 トークンなので、1 回の呼び出しで明らかに多くのテキストを取り込めます。どちらも埋め込みモデルでありこれらのフィールドは該当しないため、ツール使用、構造化出力、推論において両モデルに意味のある違いはありません。要するに、入力がプレーンテキストでない場合は Gemini Embedding 2 を選び、入力が長いテキスト文書である場合は Embed V1 4B を選ぶことになります。
実務では、選択は好みよりもデータに従うのが通常です。スクリーンショット、スキャンしたページ、音声クリップ、動画フレーム、あるいはテキストと混在したメディアを埋め込む場合、これらを入力として受け付けるのは 2 つのうち Gemini Embedding 2 だけです。長いテキスト断片、ドキュメント、文字起こし、記事全体を埋め込み、各項目をより多く 1 回の呼び出しに収めたい場合は、Embed V1 4B の方が大きなコンテキストウィンドウを提供します。Embed V1 4B は入力においても 2 つのうち安価な方なので、大量のテキスト中心のワークロードはコストの面でもこちらに傾きます。
どちらのモデルも api14 経由での呼び出しは同じ方法で行えます。API が OpenAI 互換だからです。既存の OpenAI クライアントを api14 に向け、embeddings エンドポイントにリクエストを送り、model フィールドを google/gemini-embedding-2 または perplexity/pplx-embed-v1-4b に設定します。リクエストの形、レスポンスの形、周辺のコードは同じままで、変わるのはモデル ID の文字列だけです。つまり、1 つのパイプラインを構築し、両方のモデルを自分のデータでテストし、1 つの値を編集するだけで切り替えられます。
それでももう一方のモデルが勝つケースはあります。コーパスがテキストのみで項目が長い場合、Gemini Embedding 2 がより多くの入力タイプを扱えても Embed V1 4B の方が良い選択です。プレーンテキストでは追加のモダリティは何の利点ももたらさず、より大きなコンテキストウィンドウが効くからです。逆に、テキストのみのジョブが 8192 トークンに余裕で収まり、他のメディア用に Gemini Embedding 2 をすでに組み込んでいる場合は、スタックを分割する強い理由はありません。実際に持っている入力にモデルを合わせてください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"google/gemini-embedding-2"から"perplexity/pplx-embed-v1-4b"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
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": "perplexity/pplx-embed-v1-4b",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
その他の比較
- Amazon: Titan Multimodal Embeddings G1 対 Amazon: Titan Embeddings G1 - Text
- Amazon: Titan Multimodal Embeddings G1 対 Amazon: Titan Text Embeddings V2
- Amazon: Titan Multimodal Embeddings G1 対 Cohere: Embed 5 Fast
- Amazon: Titan Multimodal Embeddings G1 対 Cohere: Embed 5 Pro
- Amazon: Titan Embeddings G1 - Text 対 Amazon: Titan Text Embeddings V2
- Amazon: Titan Embeddings G1 - Text 対 Cohere: Embed 5 Fast
- Amazon: Titan Embeddings G1 - Text 対 Cohere: Embed 5 Pro
- Amazon: Titan Text Embeddings V2 対 Cohere: Embed 5 Fast