Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。
初めてですか？使い方をご紹介します プレイグラウンド、モデル、APIキーを1分でご案内します。
Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。
google/gemini-embedding-001:batch上記の料金で残高から差し引かれます。新規アカウントには無料利用分があります。
設定
Google: Gemini Embedding 001 (batch) は、Google が提供する埋め込みモデルであり、ここではバッチバリアントとして提供されています。これは埋め込みカテゴリに属するため、散文やチャット応答を生成するのではなく、テキストをベクトル表現に変換する役割を担っています。このモデルは提供元によって 2025-10-31 にリリースされました。
このモデルはテキストのみを入力として受け取り、埋め込みのみを出力します。コンテキスト長は 20,000 トークンをサポートし、最大出力は 18,000 です。リクエストで設定できる追加のサポートパラメータはありません。入力モダリティがテキストのみであるため、このモデルは画像、音声、その他のメディアを受け付けず、出力がベクトルであるため、呼び出しから生成されたテキストが返ってくることを期待してはいけません。
実用的な用途は、これらの特性から直接導かれます。埋め込みはセマンティックサーチのビルディングブロックであり、ドキュメントをインデックス化し、クエリと意味的に最も近い箇所を検索します。関連するチャンクをフェッチして、回答を作成する別の言語モデルに渡すリトリーバルオーグメンテッドジェネレーションをサポートします。また、大規模なテキストコレクションにおけるクラスタリングやトピック発見、重複の削除やニアデュプリケート検出、ベクトル上に軽量な分類器をトレーニングする際の分類、アイテム間の推薦や類似性マッチングにも使用できます。20,000 トークンのコンテキストにより、単一のリクエストでかなり長いドキュメントをカバーできるため、すべてを小さな断片に分割するのではなく、セクション全体を埋め込むことができますが、ドキュメントの長さがそれを超える場合は、テキストをどのようにチャンク化するかを考える必要があります。
このモデルは、モデル ID "google/gemini-embedding-001:batch" を使用して api14 の OpenAI 互換 API を通じて呼び出します。インターフェースが OpenAI の埋め込みフォーマットに従うため、埋め込みリクエストの入力フィールドにテキストを送信し、レスポンスからベクトルを読み取ります。モデルはサポートされるパラメータをリストしていないため、モデル ID と入力自体以外にリクエストで調整するものは何もありません。
タスクがテキスト生成、要約、翻訳、または会話的な出力である場合は、埋め込みモデルは適切なツールではなく、テキスト生成モデルの方が適しています。埋め込みの作業においては、データを準備する際に 20,000 トークンのコンテキストとテキストのみの入力を念頭に置いてください。
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-001:batch",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
このコミュニティにはまだトピックがありません。Google: Gemini Embedding 001 (batch)について最初のトピックを立てましょう。