Gemini Embedding 2 Batch — мультимодальный поиск и цена

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:batch",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Google называет `gemini-embedding-2` первой мультимодальной embedding-моделью Gemini API: текст, изображения, видео, аудио и PDF отображаются в единое векторное пространство. Официально указаны общий входной лимит 8 192 токена и гибкая размерность 128–3072; рекомендуются 768, 1536 и 3072. Документация также подчёркивает несовместимость пространства с `gemini-embedding-001`. Tokenmost показывает те же основные входные модальности и embedding output для `google/gemini-embedding-2:batch`. Прямые ограничения Google по числу изображений, длительности медиа, страницам PDF, скидке Batch и способу агрегации нельзя считать условиями Tokenmost до preflight. В мультимодальном поиске каждый asset получает отдельный ID, временной диапазон и описание происхождения. Совместное embedding нескольких входов может дать агрегированный вектор, поэтому отдельные объекты передаются раздельно, если нужно независимое извлечение. Видео режется на смысловые сцены, аудио — на реплики, PDF — на страницы с заголовком. Результаты сравниваются внутри одной размерности и версии модели.

Определите единицу поиска

Отдельный скриншот, сцена видео и фрагмент документа должны иметь собственный идентификатор. Если объединить разные материалы в один вход, агрегированный вектор может скрыть точное совпадение. Границы выбираются по пользовательскому запросу.

Сохраните временные и страничные ссылки

Вектор хранит таймкод, номер страницы, источник и revision. Пользователь открывает именно найденный фрагмент, а не начало двухчасового ролика. После монтажа или замены PDF затронутые элементы переиндексируются.

Не смешивайте поколения

Векторы Gemini Embedding 001 и 2 нельзя сравнивать напрямую. Новый индекс строится отдельно, весь корпус обрабатывается заново, а запросы переключаются вместе с коллекцией. Для отката сохраняется старый alias.

Проверьте cross-modal benchmark

Текстовый запрос должен находить кадр, аудиофраза — документ, а изображение — связанную инструкцию. Отдельно измеряйте каждый тип пары, права доступа и ложные совпадения. Средний score не скрывает провал одного канала.

Считайте цену найденного фрагмента

В бюджет входят подготовка медиа, batch embedding, обновления, хранение, запросы и review. Учитывайте, что разные типы входа могут тарифицироваться по-разному. Сравнивайте стоимость клика по правильной сцене или странице.

Вопросы и ответы

Какие данные поддерживает Embedding 2?

Google заявляет текст, изображения, видео, аудио и PDF.

Какой официальный лимит?

Общий входной предел Google составляет 8 192 токена.

Совместима ли модель с Embedding 001?

Нет, при переходе нужно переэмбеддить корпус.

Зачем отдельные ID объектам?

Чтобы результат указывал на конкретную сцену, страницу или реплику.

Как считать цену?

По найденному фрагменту с учётом подготовки всех модальностей.