Gemini Embedding 2 API — мультимодальный поиск

Контекст: 8 192токенов
Результат: Векторные представленияформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "google/gemini-embedding-2",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Google указывает единое пространство модальностей, входной лимит 8192 токена и настраиваемую размерность 128–3072 с рекомендуемыми значениями 768, 1536 и 3072. Каталог Tokenmost показывает те же модальности и embeddings на выходе. Пространство Gemini Embedding 2 несовместимо с Embedding 001, поэтому миграция требует повторной индексации всего корпуса.

Определите единицу поиска

Видео делят на самостоятельные сцены, аудио — на смысловые фрагменты, PDF — на страницы или разделы. Каждый объект получает ID, временную отметку, права доступа и текстовое описание. Слишком крупный фрагмент смешивает темы, а слишком мелкий теряет контекст и ухудшает выдачу.

Создайте единый индекс модальностей

Изображение, текст и звук кодируются одной версией модели и одинаковой выбранной размерностью. Вектор хранится вместе с model ID и параметрами. Несовместимые пространства не объединяют в одной метрике: старый и новый индекс существуют параллельно до завершения миграции.

Настройте retrieval на реальных запросах

Соберите вопросы пользователей, релевантные результаты и сложные негативные примеры. Измеряйте recall первых кандидатов, качество ранжирования и соблюдение прав. Красивое распределение точек не доказывает, что нужный кадр окажется в первых результатах рабочего поиска.

Планируйте полную переиндексацию

При переходе с Embedding 001 создайте новую коллекцию, обработайте корпус партиями и проверяйте контрольные суммы. Чтение переключается после сравнения качества и полноты. Старый индекс удаляется только после периода отката; смешивать расстояния моделей нельзя.

Токены, хранение и цена поиска

Стоимость включает embedding исходного корпуса, новых объектов, запросов и повторной индексации. Размерность влияет на объём векторной базы и скорость поиска. Сравнивайте итоговую цену релевантного результата с учётом хранения и rerank, а не только тариф одного API-вызова.

Вопросы и ответы

Что принимает Gemini Embedding 2?

Текст, изображения, PDF, аудио и видео; на выходе создаются embeddings.

Какой входной лимит?

Google и Tokenmost указывают 8192 токена для маршрута.

Какую размерность выбрать?

Google рекомендует проверить 768, 1536 и 3072 на своём наборе качества и затрат.

Совместимы ли векторы с Embedding 001?

Нет, при миграции весь индекс нужно построить заново.

Как оценивать стоимость?

Учитывайте первичную индексацию, обновления, запросы, хранение и последующее ранжирование.