Google: Gemini Embedding 2

Name: Google: Gemini Embedding 2
Brand: Google
Price: 38.66 RUB
Availability: InStock

Активна

Текст, Изображение, Файл, Аудио, Видео → Эмбеддингиконтекст 8.2Kgoogle/gemini-embedding-2

Описание

Gemini Embedding 2 — первая мультимодальная модель эмбеддингов от Google. В настоящее время она поддерживает отображение текста и изображений в единое векторное пространство для семантического поиска и генерации с дополненным поиском (RAG).

Модель поддерживает входной контекст объёмом до 8 192 токенов и гибкую размерность выходных векторов от 128 до 3 072 измерений. Рекомендуемые значения: 768, 1 536 или 3 072.

Gemini Embedding 2 разработана для кросс-модального сопоставления: например, можно преобразовать текстовый запрос в эмбеддинг и найти наиболее релевантные изображения — или наоборот. Благодаря этому модель хорошо подходит для мультимодального поиска, рекомендательных систем и пайплайнов анализа документов.

Цена

Вход за 1Mот 38,66 ₽

Выход за 1M0,00 ₽

Провайдеры

Одну модель размещают несколько компаний. Запрос идёт по одному из маршрутов в зависимости от режима: сбалансированный, самый быстрый, самый дешёвый.

1. Зарегистрируйтесь или войдите

Создайте аккаунт, чтобы управлять биллингом и выпускать API ключи для доступа к ZvenoAI.

Вход Регистрация

2. Получите API ключ

Перейдите в раздел API ключей, создайте новый ключ и сохраните его в безопасном месте — он понадобится для аутентификации запросов.

Открыть API ключи

3. Отправьте первый запрос

Используйте любой OpenAI-совместимый SDK. Укажите базовый URL ZvenoAI и передайте ваш API ключ в заголовке Authorization.

Примеры запросов

Выберите подходящий пример, замените ZVENOAI_API_KEY на свой ключ и подставьте нужный slug модели (сейчас: google/gemini-embedding-2).

curl -X POST https://api.zveno.ai/v1/embeddings \
  -H "Authorization: Bearer <ZVENOAI_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/gemini-embedding-2",
    "input": ["The food was delicious and the waiter..."]
  }'

from openai import OpenAI

client = OpenAI(
  base_url="https://api.zveno.ai/v1",
  api_key="<ZVENOAI_API_KEY>",
)

response = client.embeddings.create(
  model="google/gemini-embedding-2",
  input=["The food was delicious and the waiter..."]
)

print(response.data[0].embedding)

package main

import (
  "context"
  "fmt"
  "os"

  openai "github.com/sashabaranov/go-openai"
)

func main() {
  cfg := openai.DefaultConfig(os.Getenv("ZVENOAI_API_KEY"))
  cfg.BaseURL = "https://api.zveno.ai/v1"

  client := openai.NewClientWithConfig(cfg)

  resp, err := client.CreateEmbeddings(
    context.Background(),
    openai.EmbeddingRequest{
      Model: "google/gemini-embedding-2",
      Input: []string{"The food was delicious and the waiter..."},
    },
  )
  if err != nil {
    panic(err)
  }

  fmt.Println(resp.Data[0].Embedding)
}

Часто задаваемые вопросы

Сколько стоит API Google: Gemini Embedding 2?

Входные токены стоят от 38,66 ₽, выходные от 0 ₽ за 1 млн токенов. Актуальная цена всегда указана на этой странице.

Как подключить Google: Gemini Embedding 2 через API в России?

Создайте аккаунт ZvenoAI, выпустите API-ключ и укажите OpenAI-совместимый адрес ZvenoAI в своём SDK. После этого передайте идентификатор модели из этой страницы.

Какой размер контекста у Google: Gemini Embedding 2?

Контекстное окно 8 192 токенов. В него входят запрос, системные инструкции и история диалога.

Поддерживает ли Google: Gemini Embedding 2 стриминг и function calling?

Стриминг не заявлен активными провайдерами, function calling не заявлен. Возможности автоматически обновляются из каталога провайдеров.

Можно ли оплатить Google: Gemini Embedding 2 российской картой?

Да. Баланс ZvenoAI можно пополнить российской картой, через СБП или по безналичному счёту. Оплата проходит в рублях, VPN не нужен.

curl -X POST https://api.zveno.ai/v1/embeddings \ -H "Authorization: Bearer <ZVENOAI_API_KEY>" \ -H "Content-Type: application/json" \ -d '{ "model": "google/gemini-embedding-2", "input": ["The food was delicious and the waiter..."] }'

from openai import OpenAI client = OpenAI( base_url="https://api.zveno.ai/v1", api_key="<ZVENOAI_API_KEY>", ) response = client.embeddings.create( model="google/gemini-embedding-2", input=["The food was delicious and the waiter..."] ) print(response.data[0].embedding)

package main import ( "context" "fmt" "os" openai "github.com/sashabaranov/go-openai" ) func main() { cfg := openai.DefaultConfig(os.Getenv("ZVENOAI_API_KEY")) cfg.BaseURL = "https://api.zveno.ai/v1" client := openai.NewClientWithConfig(cfg) resp, err := client.CreateEmbeddings( context.Background(), openai.EmbeddingRequest{ Model: "google/gemini-embedding-2", Input: []string{"The food was delicious and the waiter..."}, }, ) if err != nil { panic(err) } fmt.Println(resp.Data[0].Embedding) }