Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.

Ny här? Se hur det fungerar En rundtur på 1 minut genom testmiljö, modeller och din API-nyckel.

Gemini Embedding 2 vs Text Embedding 3 Large: API-pris, kontext och funktioner · api14

Google: Gemini Embedding 2 mot OpenAI: Text Embedding 3 Large

En jämförelse sida vid sida av Google: Gemini Embedding 2 (0,70 US$ / 1M textdelar (≈ 6,86 kr)) och OpenAI: Text Embedding 3 Large (0,45 US$ / 1M textdelar (≈ 4,46 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.

Specifikationer

	Google: Gemini Embedding 2	OpenAI: Text Embedding 3 Large
Leverantör	Google	OpenAI
Indata	0,70 US$ / 1M textdelar (≈ 6,86 kr)	0,45 US$ / 1M textdelar (≈ 4,46 kr)
Ljudindata	22,75 US$ / 1M textdelar (≈ 222,87 kr)	-
Bild	0,000002 US$ / bild (≈ 0,0000154 kr)	-
Kontextfönster	8 192	8 192
Max utdata	7 372	7 372
Indata	text, image, file, audio, video	text
Utdata	embeddings	embeddings
Verktygsanrop
Strukturerad utdata
Styrning av resonemang
Tillagd	20 maj 2026	30 okt. 2025

Viktiga skillnader

OpenAI: Text Embedding 3 Large är 35% billigare på indata-tokens.

Mer i detalj

Google: Gemini Embedding 2 är en embeddingsmodell från Google, listad under modell-id google/gemini-embedding-2. OpenAI: Text Embedding 3 Large är en embeddingsmodell från OpenAI, listad under modell-id openai/text-embedding-3-large. Båda ligger i kategorin embeddings, och båda returnerar embeddings som enda utdata, så ingen av dem är en chatt- eller completionmodell som du skulle använda för att generera text. Valet mellan dem handlar om vad du embeddar och hur mycket du vill betala för det.

De två modellerna delar samma kontextfönster på 8192 tokens, så ingen av dem ger dig mer utrymme per begäran än den andra. Där de skiljer sig åt är indata. Gemini Embedding 2 accepterar text, bild, fil, ljud och video som indata, medan Text Embedding 3 Large endast accepterar text. Om din pipeline behöver embedda något annat än text är Gemini Embedding 2 den som kan göra det, och Text Embedding 3 Large kan helt enkelt inte ta emot sådan indata alls. Ingen av modellerna exponerar stödda parametrar i listningen, så du väljer inte mellan dem utifrån justerbara inställningar. Vad gäller pris är Text Embedding 3 Large den billigare av de två för indata, så textbaserade arbetsbelastningar betalar mindre där.

För en textbaserad arbetsbelastning, till exempel att embedda dokument, produktbeskrivningar, supportärenden eller sökfrågor, är Text Embedding 3 Large det självklara valet: den hanterar text, den delar samma kontextlängd, och den är billigare för indata. Välj Gemini Embedding 2 när dina data inte är enbart text. Samlingar med blandade medier, bildbibliotek, ljudarkiv eller videomaterial faller alla inom dess indatamodaliteter, och en enda modell som täcker dessa fall sparar dig från att köra en separat pipeline per mediatyp. Om du är osäker, börja med den textbaserade modellen för text och byt till Gemini Embedding 2 endast där du faktiskt har icke-textindata att embedda.

Att anropa endera modellen via api14 fungerar på samma sätt, eftersom API:et är OpenAI-kompatibelt. Du skickar din begäran till embeddings-endpointen med din api14-nyckel, och det enda som ändras mellan de två är modell-id-strängen. Använd google/gemini-embedding-2 för Googles modell och openai/text-embedding-3-large för OpenAIs. Din begärans struktur, ditt klientbibliotek och din svarsbearbetning förblir desamma, så du kan flytta en textarbetsbelastning från den ena till den andra genom att redigera det enda fältet, eller dirigera icke-textindata till Gemini Embedding 2 medan du behåller text på Text Embedding 3 Large i samma kodbas.

Det finns ett fall där Text Embedding 3 Large förblir det bättre valet även om Gemini Embedding 2 täcker fler indatatyper. Om allt du embeddar är text och indatakostnaden spelar roll för dig, är det billigare indatapriset på OpenAI-modellen ett verkligt skäl att stanna kvar med den snarare än att betala för multimodala funktioner som du aldrig kommer att anropa. Det omvända gäller också: om du har icke-textindata gör ingen prisfördel Text Embedding 3 Large användbar för det, eftersom text är den enda modalitet den accepterar. Matcha modellen mot de data du faktiskt har.

Byt med en sträng

Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "google/gemini-embedding-2" till "openai/text-embedding-3-large", promptar, streaming och verktyg fortsätter att fungera.

Google: Gemini Embedding 2: detaljer och testmiljö →OpenAI: Text Embedding 3 Large: detaljer och testmiljö →

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": "openai/text-embedding-3-large",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Google: Gemini Embedding 2 mot OpenAI: Text Embedding 3 Large

Specifikationer

Viktiga skillnader

Mer i detalj

Byt med en sträng

Fler jämförelser