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.
Dane wejściowe wykorzystywane do własnych celów dostawców
Co najmniej jeden dostawca tego modelu wykorzystuje Twoje dane wejściowe do własnych celów, na przykład do trenowania modeli AI. Nie wprowadzaj danych osobowych osób trzecich ani danych wrażliwych. W każdej chwili możesz sprzeciwić się temu wykorzystaniu w ustawieniach konta lub przez „Zarządzaj zgodami” w czacie.
Przeczytaj politykę prywatnościCennik
Czas dostępności
Wydajność
Użycie i ranking
Często zadawane pytania
Używaj gemini-embedding-2 w
Podobne modele
Bazowy URL
https://api.unorouter.com/v1Wywołaj gemini-embedding-2 że swojego kodu
Skieruj dowolny SDK kompatybilny z OpenAI na UnoRouter i zażądaj modelu po nazwie. Zastąp YOUR_API_KEY prawdziwym kluczem z twojego panelu.
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!"}]
}'