Google: Gemini Embedding 2
Gemini Embedding 2 is Google's first natively multimodal embedding model, designed to map text, images, video, audio, and documents (PDFs) into a single, unified vector space. Unlike previous pipelines that required separate models for different modalities, Gemini Embedding 2 understands cross-modal relationships directly. It enables high-accuracy cross-modal retrieval, such as finding a specific video scene using a text description or finding similar audio clips from an image. The model captures deep semantic intent across more than 100 languages and features Matryoshka Representation Learning (MRL), allowing developers to truncate embedding dimensions to save storage and compute costs without significant loss in performance.
Saisies utilisées aux propres fins des fournisseurs
Au moins un fournisseur de ce modèle utilise tes saisies à ses propres fins, par exemple pour entraîner des modèles d'IA. Ne saisis ni données personnelles de tiers ni données sensibles. Tu peux t'opposer à cette utilisation à tout moment dans les paramètres de ton compte ou via « Gérer les consentements » dans le chat.
Lire la politique de confidentialitéTarification
| Groupe | Entrée | Sortie | TTFT | Succès | Disponibilité | Succès du cache |
|---|---|---|---|---|---|---|
| AIS-Gemini-3-olx1-gemini-embedding-2 | $0.18 | $0.18 | - | - | - | - |
Disponibilité
Performance
Utilisation et classement
Questions fréquentes
Utiliser gemini-embedding-2 dans
Modèles similaires
URL de base
https://api.unorouter.com/v1Appelez gemini-embedding-2 depuis votre code
Pointez n'importe quel SDK compatible OpenAI vers UnoRouter et demandez le modèle par son nom. Remplacez YOUR_API_KEY par une vraie clé issue de votre tableau de bord.
curl https://api.unorouter.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-embedding-2",
"messages": [{"role": "user", "content": "Hello!"}]
}'