쿠키를 사용합니다. 쿠키와 브라우저 저장소는 로그인 상태를 유지하고 환경설정을 기억합니다. 동의하시면 사이트 이용 방식도 측정합니다. 언제든지 할 수 있습니다. 자세한 내용은 쿠키 정책을 참고하세요.
처음이신가요? 사용법을 확인해 보세요 플레이그라운드, 모델, API 키를 1분 만에 둘러보세요.
쿠키를 사용합니다. 쿠키와 브라우저 저장소는 로그인 상태를 유지하고 환경설정을 기억합니다. 동의하시면 사이트 이용 방식도 측정합니다. 언제든지 할 수 있습니다. 자세한 내용은 쿠키 정책을 참고하세요.
google/gemini-embedding-001:batch위 가격으로 잔액에서 차감됩니다. 새 계정은 무료 사용량으로 시작합니다.
Google: Gemini Embedding 001 (batch)은 Google의 임베딩 모델로, 여기서는 배치 변형으로 제공됩니다. 임베딩 카테고리에 속하므로 산문이나 채팅 응답을 생성하는 것이 아니라 텍스트를 벡터 표현으로 변환하는 역할을 합니다. 제공업체가 2025-10-31에 출시했습니다.
이 모델은 텍스트만 입력으로 받고 임베딩만 출력으로 반환합니다. 20,000 토큰의 컨텍스트 길이를 지원하며, 최대 출력은 18,000입니다. 요청에 구성할 수 있는 추가 지원 파라미터는 없습니다. 입력 모달리티가 텍스트뿐이므로 이미지, 오디오 또는 기타 미디어를 받지 않으며, 출력이 벡터이므로 호출에서 생성된 텍스트를 기대해서는 안 됩니다.
실용적인 용도는 이러한 특성에서 바로 이어집니다. 임베딩은 시맨틱 검색의 구성 요소로, 문서를 색인화하고 쿼리와 의미가 가장 가까운 구절을 검색합니다. 관련 청크를 가져와 답변을 작성하는 별도의 언어 모델에 전달하는 검색 증강 생성에도 활용됩니다. 또한 대규모 텍스트 컬렉션 전반의 클러스터링 및 주제 발견, 중복 제거 및 거의 중복된 항목 감지, 벡터 위에 경량 분류기를 훈련할 때의 분류, 항목 간 추천 또는 유사도 매칭에도 사용됩니다. 20,000 토큰 컨텍스트는 단일 요청으로 상당히 긴 문서를 처리할 수 있다는 뜻이므로 모든 것을 작은 조각으로 나누는 대신 전체 섹션을 임베딩할 수 있습니다. 다만 문서가 해당 길이를 초과하는 경우 텍스트를 어떻게 청크할지 여전히 고려해야 합니다.
모델 ID "google/gemini-embedding-001:batch"를 사용해 api14의 OpenAI 호환 API를 통해 모델을 호출합니다. 인터페이스가 OpenAI 임베딩 형식을 따르므로 임베딩 요청의 input 필드에 텍스트를 보내고 응답에서 벡터를 읽습니다. 이 모델은 지원되는 파라미터를 나열하지 않으므로 모델 ID와 입력 자체 외에 요청에서 추가로 조정할 것은 없습니다.
작업이 텍스트 생성, 요약, 번역 또는 대화형 출력이라면 임베딩 모델은 잘못된 도구이며 텍스트 생성 모델이 더 적합합니다. 임베딩 작업 내에서는 데이터를 준비할 때 20,000 토큰 컨텍스트와 텍스트 전용 입력을 염두에 두십시오.
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));
이 커뮤니티에는 아직 토픽이 없습니다. Google: Gemini Embedding 001 (batch)에 대한 첫 토픽을 열어 보세요.