Google: Gemini Embedding 2 Preview

Google: Gemini Embedding 2 Preview är en inbäddningsmodell från Google, publicerad under modell-id:t google/gemini-embedding-2-preview. Den tillhör kategorin inbäddningar och beskrivs av Google som dess första multimodala inbäddningsmodell. Det är en förhandsversion, vilket är värt att notera om du planerar att förlita dig på den i produktion.

Modellen accepterar text, bild, fil, ljud och video som indata, och den producerar inbäddningar som sin enda utdata. Dess kontextlängd är 8192 tokens, och maximal utdata är 7372. Googles beskrivning anger att text och bilder för närvarande stöds för mappning till ett enhetligt vektorrum, vilket är den del av listan över multimodal indata som uttryckligen täcks i dag.

Den kombinationen pekar mot semantisk sökning och retrieval-augmented generation, de två användningsområden som Google nämner i sin beskrivning. Du kan bädda in dokument och frågor så att ett vektorlager kan hämta stycken efter betydelse i stället för efter nyckelord, och du kan mata de hämtade styckena till en genereringsmodell för att förankra dess svar. Eftersom bilder kan mappas till samma vektorrum som text följer även tvärmodal hämtning: indexera bilder tillsammans med text och sök över båda med en enda fråga. Den bredare indatalistan (fil, ljud, video) antyder vart modellen är på väg, men det angivna stödet är text och bilder, så betrakta dem som de tillförlitliga indata tills vidare.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t google/gemini-embedding-2-preview, på samma sätt som du skulle anropa vilken annan inbäddningsändpunkt som helst, så befintliga OpenAI-klientbibliotek och kodvägar fungerar utan ändringar. Modellen listar inga stödda parametrar utöver grunderna i begäran, så håll dina anrop enkla och undvik att anta inställningsalternativ som inte är dokumenterade.

Två praktiska punkter. Kontexten på 8192 tokens begränsar hur mycket text du kan bädda in i ett anrop, så långa dokument behöver delas upp före inbäddning. Och eftersom detta är en förhandsmodell, om du behöver ett stabilt, långsiktigt inbäddningsmål, kan en inbäddningsmodell som inte är en förhandsversion vara det säkrare valet.