DeepSeek Vision and Grok Imagine models are now live on CometAPI →

Blog

CometAPI Blog

Eén API. Elk toonaangevend AI-model.

Modelupdates, API-handleidingen, benchmarks en praktische inzichten voor sneller bouwen met CometAPI.

Gemini Embedding 2 is een embeddingmodel uit Google’s Gemini-familie dat tekst omzet in numerieke vectoren (embeddings). Met deze vectorrepresentaties kun je semantische overeenkomsten meten en taken uitvoeren zoals zoeken, retrieval-augmented generation (RAG), clustering, deduplicatie en aanbevelingen. - Doel: hoge-kwaliteit semantische representaties voor informatieopzoeking en begrip. - Eigenschappen: multilinguale ondersteuning, consistente vectoren, en efficiënte indexering voor vector-databases. - Toepassingen: semantisch zoeken, document- en passage-retrieval, intentie- en topicsherkenning, vergelijkbaarheid van zinnen/paragrafen, en personalisatie/aanbevelingen. - Gebruik: beschikbaar via Google AI Studio en Vertex AI Embeddings API; werkt samen met gangbare vectorstores en RAG-pijplijnen.
New

Gemini Embedding 2 is een embeddingmodel uit Google’s Gemini-familie dat tekst omzet in numerieke vectoren (embeddings). Met deze vectorrepresentaties kun je semantische overeenkomsten meten en taken uitvoeren zoals zoeken, retrieval-augmented generation (RAG), clustering, deduplicatie en aanbevelingen. - Doel: hoge-kwaliteit semantische representaties voor informatieopzoeking en begrip. - Eigenschappen: multilinguale ondersteuning, consistente vectoren, en efficiënte indexering voor vector-databases. - Toepassingen: semantisch zoeken, document- en passage-retrieval, intentie- en topicsherkenning, vergelijkbaarheid van zinnen/paragrafen, en personalisatie/aanbevelingen. - Gebruik: beschikbaar via Google AI Studio en Vertex AI Embeddings API; werkt samen met gangbare vectorstores en RAG-pijplijnen.

Gemini Embedding 2 is Google's eerste native multimodale embeddingmodel dat tekst, afbeeldingen, audio, video en PDFs in één 3,072-dimensionale semantische vectorruimte projecteert (met configureerbare uitvoergroottes). Het introduceert Matryoshka Representation Learning om geneste / ingekorte embeddings te bieden, verbeterde meertalige prestaties (100+ talen) en geoptimaliseerde instellingen voor taakspecifieke embeddings (bijv. task:search, task:code).

A
Anna
Hoe de Gemini 3.1 pro API gebruiken
Guide

Hoe de Gemini 3.1 pro API gebruiken

Een praktische, code-first gids voor Gemini 3.1 Pro — wat het is, hoe je het aanroept (ook via CometAPI), de multimodale en “thinking level”-instellingen, functieaanroep/toolgebruik, vibe-codingtips en integraties met GitHub Copilot, VS Code, de Gemini CLI en Google Antigravity. Gemini 3.1 pro verlegt de grenzen van grote multimodale modellen met een gerichte ontwikkelaarspropositie: grotere contextvensters, configureerbare “thinking”-modi, verbeterde tool- en functieaanroepen, en expliciete ondersteuning voor agent-gestuurde werkstromen.

A
Anna
Gemini API: welke bestandsgroottes en invoermethoden worden momenteel ondersteund?
Technology

Gemini API: welke bestandsgroottes en invoermethoden worden momenteel ondersteund?

Op 12 januari 2026 publiceerde Google een ontwikkelaarsupdate voor de Gemini API die de manier verandert waarop bestanden aan het model worden aangeleverd en hoe groot die bestanden mogen zijn. Kort gezegd: Gemini haalt nu bestanden rechtstreeks op van externe links en cloudopslag (zodat ze niet altijd geüpload hoeven te worden), en de limiet voor de grootte van inline-bestanden is aanzienlijk verhoogd. Deze updates nemen frictie weg voor praktijktoepassingen die media of documenten al in cloud-buckets opslaan, en maken korte prototyping- en productieworkflows sneller en goedkoper.

A
Anna