We gebruiken cookies. Cookies en browseropslag houden je ingelogd en onthouden je voorkeuren. Met je toestemming meten we ook hoe de site wordt gebruikt. Je kunt je wanneer je wilt. Zie ons cookiebeleid.
google/gemini-embedding-001:batchDraait op je saldo tegen de prijzen hierboven. Nieuwe accounts beginnen met gratis gebruik.
Instellingen
Google: Gemini Embedding 001 (batch) is een embeddingmodel van Google, hier aangeboden in een batchvariant. Het behoort tot de categorie embeddings, dus het doet tekst omzetten in vectorrepresentaties in plaats van proza of chatantwoorden genereren. Het werd door de provider uitgebracht op 2025-10-31.
Het model neemt tekst als enige invoer en retourneert embeddings als enige uitvoer. Het ondersteunt een contextlengte van 20.000 tokens, en de maximale uitvoer is 18.000. Er zijn geen extra ondersteunde parameters om in te stellen op verzoeken. Omdat de invoermodaliteit alleen tekst is, accepteert het model geen afbeeldingen, audio of andere media, en omdat de uitvoer een vector is, moet u niet verwachten dat u gegenereerde tekst terugkrijgt van een aanroep.
De praktische toepassingen volgen direct uit die eigenschappen. Embeddings zijn de bouwsteen voor semantisch zoeken, waarbij u documenten indexeert en de passages ophaalt die qua betekenis het dichtst bij een query liggen. Ze ondersteunen retrieval augmented generation, waarbij relevante chunks worden opgehaald en doorgegeven aan een apart taalmodel dat het antwoord schrijft. Ze werken ook voor clustering en topic discovery over grote tekstcollecties, deduplicatie en detectie van bijna-duplicaten, classificatie wanneer u een lichtgewicht classifier bovenop de vectoren traint, en aanbeveling of similarity matching tussen items. De context van 20.000 tokens betekent dat een enkel verzoek een behoorlijk lang document kan omvatten, dus u kunt hele secties embedden in plaats van alles in kleine fragmenten op te splitsen, hoewel u nog steeds moet nadenken over hoe u tekst opdeelt als uw documenten die lengte overschrijden.
U roept het model aan via de OpenAI-compatibele API van api14 met het model-id "google/gemini-embedding-001:batch". Omdat de interface het OpenAI embeddings-formaat volgt, stuurt u uw tekst in het input-veld van een embeddings-verzoek en leest u de vectoren terug uit de respons. Het model vermeldt geen ondersteunde parameters, dus er is niets extra's af te stemmen op het verzoek naast het model-id en de invoer zelf.
Als uw taak tekstgeneratie, samenvatting, vertaling of enige conversationele uitvoer is, dan is een embeddingmodel het verkeerde hulpmiddel en past een tekstgeneratiemodel beter. Houd binnen embeddingwerk rekening met de context van 20.000 tokens en de tekst-only invoer bij het voorbereiden van uw data.
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));
Deze community heeft nog geen topics. Open het eerste topic over Google: Gemini Embedding 001 (batch).