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.
google/gemini-embedding-001:batchKörs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Google: Gemini Embedding 001 (batch) är en inbäddningsmodell från Google, som här erbjuds i en batchvariant. Den tillhör kategorin inbäddningar, så dess uppgift är att omvandla text till vektorrepresentationer snarare än att generera prosa eller chattsvars. Den släpptes av leverantören 2025-10-31.
Modellen tar text som enda indata och returnerar inbäddningar som enda utdata. Den stöder en kontextlängd på 20 000 token, och dess maximala utdata är 18 000. Det finns inga ytterligare stödda parametrar att konfigurera i förfrågningar. Eftersom indatamodaliteten är enbart text accepterar modellen inte bilder, ljud eller andra medier, och eftersom utdata är en vektor bör du inte förvänta dig genererad text tillbaka från ett anrop.
De praktiska användningsområdena följer direkt av dessa egenskaper. Inbäddningar är byggstenen för semantisk sökning, där du indexerar dokument och hämtar de avsnitt som ligger närmast en fråga i betydelse. De stöder retrieval augmented generation, där relevanta textstycken hämtas och skickas till en separat språkmodell som skriver svaret. De fungerar också för klustring och upptäckt av ämnen i stora textsamlingar, deduplicering och detektering av nästan identiska texter, klassificering när du tränar en lättviktsklassificerare ovanpå vektorerna, samt rekommendation eller likhetsmatchning mellan objekt. Kontexten på 20 000 token innebär att en enskild förfrågan kan täcka ett ganska långt dokument, så du kan bädda in hela avsnitt i stället för att dela upp allt i små fragment, även om du fortfarande behöver tänka på hur du delar upp text om dina dokument överstiger den längden.
Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "google/gemini-embedding-001:batch". Eftersom gränssnittet följer OpenAI:s inbäddningsformat skickar du din text i fältet input i en inbäddningsförfrågan och läser tillbaka vektorerna från svaret. Modellen listar inga stödda parametrar, så det finns inget extra att justera i förfrågan utöver modell-id:t och själva indata.
Om din uppgift är textgenerering, sammanfattning, översättning eller någon form av konversationsutdata är en inbäddningsmodell fel verktyg och en textgenereringsmodell passar bättre. Inom inbäddningsarbete bör du ha kontexten på 20 000 token och att indata enbart är text i åtanke när du förbereder dina 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));
Den här communityn har inga trådar ännu. Starta den första om Google: Gemini Embedding 001 (batch).
Inställningar