Google afslørede officielt sin første tekstindlejringsmodel i produktionsklassen. gemini-embedding-001, hvilket markerer et afgørende øjeblik i virksomhedens bestræbelser på at fremme forståelse og repræsentation af naturligt sprog. Denne avancerede model, der nu er bredt tilgængelig for udviklere via Gemini API, Google AI Studio og Vertex AI, lover at omdefinere semantisk søgning, anbefalingssystemer og en bred vifte af downstream AI-applikationer.
Nøglefunktioner og muligheder
- Flersproget support: gemini-embedding-001 håndterer over 100 sprog, hvilket muliggør globale implementeringer og tværsprogede hentningsopgaver.
- Kontekstlængde: Modellen accepterer input på op til 2,048 tokens og kan håndtere lange dokumenter, kodestykker og passager med flere sætninger uden afkortning.
- Dynamiske outputdimensioner: Ved at udnytte Googles proprietære Matrjosjka-representationslæringsteknik (MRL) kan udviklere fleksibelt justere indlejringsstørrelsen – 3072 dimensioner som standard, med valgfri reduktion til 1536 eller 768 – hvilket optimerer lagrings- og beregningsomkostninger, samtidig med at høj kvalitet opretholdes.
Benchmark ydeevne
gemini-embedding-001 har allerede vist resultater i topklasse på **Massive Text Embedding Benchmark (MTEB)**I flersprogede og ensprogede evalueringer opnåede den en gennemsnitlig opgavescore på 68.32og overgik dermed førende konkurrenter som Mistral og Qwen-baserede indlejringer. Det er værd at bemærke, at den scorede 85.13 på parklassificeringsopgaver, 67.71 på hentning og 65.58 på rerangering – målinger, der understreger dens alsidighed på tværs af forskellige tekstbehandlingsscenarier.
Sådan bruges den:
For at fremme eksperimentering og implementering tilbyder Google begge dele gratis og betalte niveauer for gemini-embedding-001. Efter at have opbrugt kvoterne på det gratis niveau faktureres forbruget til 0.15 USD pr. million inputtokens, hvilket gør den konkurrencedygtig i branchen. Prisgrænserne er designet til at imødekomme en række anvendelsesscenarier, fra lette udviklingsprototyper til implementeringer i virksomhedsskala.
Udviklere kan få adgang gemini-embedding-001 i dag gennem den eksisterende embed_content endpoint i Gemini API. Integration med Google AI Studio og Vertex AI sikrer en problemfri onboarding-oplevelse. Eksempler på brug i Python er ligetil:
from google import genai
client = genai.Client()
result = client.models.embed_content(
model="gemini-embedding-001",
contents="What is the meaning of life?"
)
print(result.embeddings)
For dem, der overgår fra det eksperimentelle gemini-embedding-exp-03-07 eller ældre indlejringsmodeller (embedding-001, text-embedding-004), Google har annonceret tidslinjer for udfasning: den eksperimentelle version og den ældre version embedding-001 vil blive pensioneret den August 14, 2025, mens text-embedding-004 er planlagt til udfasning pr. Januar 14, 2026Tidlig migrering til gemini-embedding-001 anbefales for at sikre uafbrudt service og adgang til de seneste forbedringer af ydeevnen.
Fremadrettet planlægger Google at udvide Gemini Embeddings muligheder med Batch API understøttelse af asynkron, omkostningseffektiv behandling, samt fremtidige indlejringsmodeller, der dækker bredere modaliteter. Med sin kraftfulde flersprogede dækning, justerbare dimensionalitet og konkurrencedygtige priser er gemini-embedding-001 klar til at drive den næste generation af AI-drevne applikationer.
Kom godt i gang
CometAPI leverer en samlet REST-grænseflade, der samler hundredvis af AI-modeller – under et ensartet slutpunkt med indbygget API-nøglestyring, brugskvoter og faktureringsdashboards. I stedet for at jonglere med flere leverandør-URL'er og legitimationsoplysninger.
Udviklere kan få adgang Gemini 2.5 Pro Preview og Veo 3 ved CometAPI, de seneste modeller, der er anført, er fra artiklens udgivelsesdato. Og giv din terminal et boost. Googles Gemini CLI på CometAPI! For at begynde, udforsk modellens muligheder i Legeplads og konsulter API guide for detaljerede instruktioner. Før du får adgang, skal du sørge for at være logget ind på CometAPI og have fået API-nøglen. CometAPI tilbyde en pris, der er langt lavere end den officielle pris, for at hjælpe dig med at integrere.
Den seneste integration gemini-embedding-001 vil snart blive vist på CometAPI, så følg med! Mens vi færdiggør gemini-embedding-001 Modelupload, kan du udforske vores andre modeller på Model-siden eller prøve dem i AI Playground.