Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
google/gemini-embedding-001:batchKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Ustawienia
Google: Gemini Embedding 001 (batch) to model embeddingowy od Google, oferowany tutaj w wariancie batch. Należy do kategorii embeddings, więc jego zadaniem jest zamiana tekstu na reprezentacje wektorowe, a nie generowanie prozy ani odpowiedzi czatowych. Został udostępniony przez dostawcę 2025-10-31.
Model przyjmuje tekst jako jedyne wejście i zwraca embeddings jako jedyne wyjście. Obsługuje długość kontekstu 20 000 tokenów, a jego maksymalne wyjście to 18 000. Nie ma dodatkowych obsługiwanych parametrów do skonfigurowania w żądaniach. Ponieważ modalność wejściowa to wyłącznie tekst, model nie przyjmuje obrazów, dźwięku ani innych mediów, a ponieważ wyjściem jest wektor, nie należy oczekiwać wygenerowanego tekstu w odpowiedzi na wywołanie.
Praktyczne zastosowania wynikają bezpośrednio z tych cech. Embeddings są podstawowym elementem wyszukiwania semantycznego, w którym indeksujesz dokumenty i pobierasz fragmenty najbliższe znaczeniowo zapytaniu. Wspierają generowanie wspomagane wyszukiwaniem (retrieval augmented generation), gdzie istotne fragmenty są pobierane i przekazywane do osobnego modelu językowego, który pisze odpowiedź. Sprawdzają się również w grupowaniu i odkrywaniu tematów w dużych zbiorach tekstów, deduplikacji i wykrywaniu niemal identycznych treści, klasyfikacji, gdy trenujesz lekki klasyfikator na wektorach, oraz w rekomendacjach lub dopasowywaniu podobieństwa między elementami. Kontekst 20 000 tokenów oznacza, że pojedyncze żądanie może objąć dość długi dokument, więc możesz osadzać całe sekcje zamiast dzielić wszystko na małe fragmenty, choć nadal musisz przemyśleć sposób dzielenia tekstu, jeśli dokumenty przekraczają tę długość.
Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "google/gemini-embedding-001:batch". Ponieważ interfejs jest zgodny z formatem embeddings OpenAI, wysyłasz tekst w polu input żądania embeddings i odczytujesz wektory z odpowiedzi. Model nie wymienia żadnych obsługiwanych parametrów, więc nie ma nic dodatkowego do dostrojenia w żądaniu poza identyfikatorem modelu i samym wejściem.
Jeśli twoim zadaniem jest generowanie tekstu, streszczanie, tłumaczenie lub jakiekolwiek wyjście konwersacyjne, model embeddingowy jest niewłaściwym narzędziem i lepiej sprawdzi się model generowania tekstu. W pracy z embeddings pamiętaj o kontekście 20 000 tokenów i wejściu wyłącznie tekstowym podczas przygotowywania danych.
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));
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o Google: Gemini Embedding 001 (batch).