Google secara rasmi melancarkan model pembenaman teks gred pengeluaran pertamanya, gemini-embedding-001, menandakan detik penting dalam usaha syarikat untuk memajukan pemahaman dan perwakilan bahasa semula jadi. Kini tersedia secara meluas kepada pembangun melalui API Gemini, Google AI Studio dan Vertex AI, model tercanggih ini menjanjikan untuk mentakrifkan semula carian semantik, sistem pengesyoran dan pelbagai jenis aplikasi AI hiliran.
Ciri dan Keupayaan Utama
- Sokongan pelbagai bahasa: gemini-embedding-001 secara asli mengendalikan lebih 100 bahasa, membolehkan penempatan yang benar-benar global dan tugas mendapatkan semula silang bahasa.
- Panjang Konteks: Model ini menerima input sehingga 2,048 token, memuatkan dokumen bentuk panjang, coretan kod dan petikan berbilang ayat tanpa pemotongan .
- Dimensi Output Dinamik: Dengan memanfaatkan teknik Pembelajaran Perwakilan Matryoshka (MRL) proprietari Google, pembangun boleh melaraskan saiz pembenaman secara fleksibel—3072 dimensi secara lalai, dengan pengurangan pilihan kepada 1536 atau 768—mengoptimumkan kos penyimpanan dan pengiraan sambil mengekalkan kesetiaan yang tinggi .
Prestasi Penanda Aras
gemini-embedding-001 telah pun menunjukkan keputusan peringkat teratas pada Penanda Aras Benam Teks Besar-besaran (MTEB). Dalam penilaian berbilang bahasa dan ekabahasa, ia mencapai purata markah tugasan sebanyak 68.32, mengatasi pesaing terkemuka seperti benam berasaskan Mistral dan Qwen. Terutama sekali, ia mendapat markah 85.13 pada tugas pengelasan berpasangan, 67.71 pada perolehan semula dan 65.58 pada penyusunan semula—metrik yang menekankan kepelbagaiannya merentas pelbagai senario pemprosesan teks.
Bagaimana untuk Menggunakan
Untuk menggalakkan percubaan dan penggunaan, Google menyediakan kedua-duanya peringkat percuma dan berbayar untuk gemini-embedding-001. Selepas kehabisan kuota peringkat percuma, penggunaan dibilkan pada $0.15 setiap satu juta token input, menjadikannya harga yang kompetitif dalam industri . Had kadar direka bentuk untuk menampung pelbagai kes penggunaan, daripada prototaip pembangunan ringan kepada penggunaan skala perusahaan.
Pembangun boleh mengakses gemini-embedding-001 hari ini melalui yang sedia ada embed_content titik akhir dalam API Gemini. Penyepaduan dengan Google AI Studio dan Vertex AI memastikan pengalaman onboarding yang lancar. Contoh penggunaan dalam Python adalah mudah:
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)
Bagi mereka yang beralih daripada eksperimen gemini-embedding-exp-03-07 atau model benam warisan (embedding-001, text-embedding-004), Google telah mengumumkan garis masa penamatan: versi percubaan dan warisan embedding-001 akan bersara pada Ogos 14, 2025, Manakala text-embedding-004 dijadualkan untuk ditamatkan pada Januari 14, 2026. Penghijrahan awal ke gemini-embedding-001 dinasihatkan untuk memastikan perkhidmatan tanpa gangguan dan akses kepada peningkatan prestasi terkini.
Memandang ke hadapan, Google merancang untuk mengembangkan keupayaan Gemini Embedding dengan API Kelompok sokongan untuk pemprosesan tak segerak, cekap kos, serta model pembenaman masa hadapan yang meliputi modaliti yang lebih luas. Dengan liputan berbilang bahasa yang berkuasa, dimensi boleh laras dan harga yang kompetitif, gemini-embedding-001 bersedia untuk memperkasakan aplikasi dipacu AI generasi seterusnya.
Bermula
CometAPI menyediakan antara muka REST bersatu yang mengagregatkan ratusan model AI—di bawah titik akhir yang konsisten, dengan pengurusan kunci API terbina dalam, kuota penggunaan dan papan pemuka pengebilan. Daripada menyesuaikan berbilang URL vendor dan bukti kelayakan.
Pembangun boleh mengakses Pratonton Gemini 2.5 Pro and Veo 3 melalui CometAPI, versi model terkini yang disenaraikan adalah pada tarikh penerbitan artikel. Dan Supercharge terminal anda dengan CLI Gemini Google pada CometAPI! Untuk memulakan, terokai keupayaan model dalam Taman Permainan dan berunding dengan Panduan API untuk arahan terperinci. Sebelum mengakses, sila pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga yang jauh lebih rendah daripada harga rasmi untuk membantu anda menyepadukan.
Penyepaduan terbaharu gemini-embedding-001 tidak lama lagi akan muncul di CometAPI, jadi nantikan! Sementara kami memuktamadkan muat naik Model gemini-embedding-001, teroka model kami yang lain pada halaman Model atau cuba mereka di Taman Permainan AI.