Çerez kullanıyoruz. Çerezler ve tarayıcı depolaması oturumunu açık tutar ve tercihlerini hatırlar. İzin verirsen sitenin nasıl kullanıldığını da ölçeriz. İstediğin zaman . Ayrıntılar için çerez politikamıza bak.

Google: Gemini Embedding 2 (batch)

google/gemini-embedding-2:batch
EmbeddingGirdi: text · image · file · audio · video8K20 May 2026 eklendi

Google: Gemini Embedding 2 (batch) modelini şimdi dene

Yukarıdaki fiyatlarla bakiyenden çalışır. Yeni hesaplar ücretsiz kullanımla başlar.

Kullanmak için giriş yapÜcretsiz hesap oluştur

Sonuçlar burada görünecek.

Bugün 5 ücretsiz mesajdan 5 kaldı, ücretsiz hesapla ek ücretsiz kullanım ve API anahtarı alırsın.Ücretsiz hesap oluşturGiriş yapOturum maliyeti $0,00

Google: Gemini Embedding 2 (batch) bir bakışta

  • Girdi fiyatı, 34 Embedding modelinin medyanından 400% daha yüksek.

Google: Gemini Embedding 2 (batch) hakkında

Google: Gemini Embedding 2 (batch), Google tarafından sağlanan bir gömme modelidir. api14 üzerinde embeddings kategorisi altında listelenir ve sağlayıcı yayın tarihi 2026-05-20'dir. Google bunu, şirketin ilk çok kipli gömme modeli olan Gemini Embedding 2 olarak tanımlar. Sohbet yanıtları üretmek yerine, sakladığınız ve karşılaştırdığınız vektör temsilleri üretir; bu da onu konuştuğunuz bir asistan yerine arama ve erişim sistemleri için bir yapı taşı haline getirir.

Model metin, görsel, dosya, ses ve video girdilerini kabul eder ve tek çıktı kipliği embeddings'tır. Google'ın açıklaması, anlamsal arama ve erişim artırılmış üretim (RAG) için birleşik bir vektör uzayına eşleme amacıyla şu anda metin ve görsellerin desteklendiğini belirtir; dolayısıyla daha geniş girdi listesi modelin çok kipli tasarımını yansıtırken belgelenen eşleme metin ve görselleri kapsar. Bağlam penceresi 8192 token'dır ve maksimum çıktı 7372'dir. Çıktı düz metin yerine bir vektör olduğu için yapılandırılacak veya geri okunacak bir metin üretimi yoktur.

Bu yetenekler birkaç pratik kalıba işaret eder. Karışık bir derlem üzerinde anlamsal arama en doğrudan olanıdır: belgeleri ve sorguları aynı uzaya gömün ve benzerliğe göre sıralayın, böylece bir metin sorgusu ilgili görselleri ortaya çıkarabilir veya tersi de geçerlidir. RAG ardışık düzenleri aynı özelliği kullanır; dizin oluşturma zamanında parçaları ve sorgu zamanında kullanıcı sorusunu gömer, böylece bir üreticiye en yakın pasajlar verilebilir. Dosyalar, ses ve video kabul edilen girdiler olarak listelendiğinden, daha zengin medya ile çalışan ekipler önce ayrı bir deşifre veya altyazı adımı yazmak yerine bu içeriği doğrudan gömmeyi başarabilir; ancak Google'ın mevcut açıklaması yalnızca metin ve görselleri taahhüt eder.

api14 üzerinden çağırmak, ağ geçidindeki diğer modeller gibi çalışır; "google/gemini-embedding-2:batch" model id'si ile OpenAI uyumlu API kullanılır. batch son eki bu varyantın toplu gömme işleri için tasarlandığını gösterir. Desteklenen parametreler listesi boştur, dolayısıyla uç noktanın beklediği standart istek alanlarının ötesinde ayarlanacak ek istek seçeneği yoktur. Girdinizi gönderirsiniz, embeddings geri alırsınız ve depolama ile benzerlik karşılaştırmasını kendi tarafınızda yaparsınız.

Tartılması gereken ana kısıt 8192 token'lık bağlam penceresidir. Uzun belgelerin gömülmeden önce parçalara ayrılması gerekir; bu erişim işleri için normaldir ancak ardışık düzeninize bir parçalama adımı ekler. Göreviniz metni vektör olarak temsil etmek yerine metin üretmekse, bir gömme modeli yanlış araçtır ve bir sohbet veya tamamlama modeli daha iyi uyar. Girdileriniz çoğunlukla ses veya video ise ve listelenen bir kiplik yerine garanti edilmiş destek gerekiyorsa, taahhütte bulunmadan önce bu davranışı doğrulayın; çünkü Google'ın açıklaması şu anda metin ve görselleri adlandırıyor.

Google: Gemini Embedding 2 (batch) API nasıl çağrılır

  1. Panelinde bir API anahtarı oluştur.
  2. Dilin için resmi openai SDK’sını kur.
  3. baseURL’i https://api14.com/api/v1, model’i "google/gemini-embedding-2:batch" olarak ayarla.
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-2:batch",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Özellikler

Bağlam uzunluğu
8.192
Maks. çıktı
7.372
Girdi
text, image, file, audio, video
Çıktı
embeddings

api14 üzerindeki istekler · son 7 gün

10-1710-1810-1910-2010-2110-2210-23

Google: Gemini Embedding 2 (batch): sıkça sorulan sorular

Google: Gemini Embedding 2 (batch) API ne kadar tutar?
Google: Gemini Embedding 2 (batch) Girdi $0,35 / 1M token tutar. Yalnızca başarılı istekler için USD bakiyenden düşülür; başarısız istekler ücretsizdir.
Google: Gemini Embedding 2 (batch) modelinin bağlam penceresi ne kadar?
Google: Gemini Embedding 2 (batch) istek başına 8.192 tokena kadar okur, istem, geçmiş ve belgeler dahil. Yanıt başına 7.372 çıktı tokenına kadar yazar.
Google: Gemini Embedding 2 (batch) neler yapabilir?
Google: Gemini Embedding 2 (batch) girdi olarak text, image, file, audio, video kabul eder, çıktı olarak embeddings döndürür.
Google: Gemini Embedding 2 (batch) modelini kodumdan nasıl çağırırım?
Herhangi bir OpenAI SDK’sını https://api14.com/api/v1 adresine yönlendir ve model’i "google/gemini-embedding-2:batch" olarak ayarla, başka kod değişikliği gerekmez. Bu sayfadaki kod panelinden hazır bir örnek kopyala.
Google: Gemini Embedding 2 (batch) alternatifleri neler?
Benzer fiyatlı Embedding modelleri: Google: Gemini Embedding 001, Mistral: Codestral Embed 2505, OpenAI: Text Embedding 3 Large. Hepsi aynı API anahtarıyla çalışır; geçiş yapmak için tek bir metni değiştirmen yeterli.

Google: Gemini Embedding 2 (batch) topluluğu

Yeni konu

Bu toplulukta henüz konu yok. Google: Gemini Embedding 2 (batch) hakkında ilk konuyu sen aç.