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

بلاگ

CometAPI بلاگ

ایک API۔ ہر معروف AI ماڈل۔

CometAPI کے ساتھ تیزی سے بنانے کے لیے ماڈل اپ ڈیٹس، API گائیڈز، بینچ مارکس اور عملی بصیرت۔

Gemini Embedding 2 گوگل کے Gemini پلیٹ فارم کی دوسری نسل کے ایمبیڈنگ ماڈلز کا خاندان ہے۔ یہ ماڈلز متن (اور کچھ ورژنز میں ملٹی موڈل مواد، جیسے تصویر/آڈیو) کو عددی ویکٹرز میں تبدیل کرتے ہیں تاکہ مشینیں معنوی رشتے اور مشابہت کو سمجھ سکیں۔ اہم نکات: - مقصد: سیمینٹک سرچ، RAG/ریٹریول-آگمینٹڈ جنریشن، درجہ بندی/رینکنگ، ڈپلیکیٹ ڈیٹیکشن، کلسٹرنگ، ذاتی نوعیت کی سفارشات وغیرہ۔ - بہتری: پچھلی نسل کے مقابلے میں زیادہ مضبوط معنوی نمائندگی، کم شور، اور بہتر ریلونس میچنگ۔ - کثیر اللسانی معاونت: مختلف زبانوں کے لیے ورژنز دستیاب ہوتے ہیں تاکہ کراس-لینگویج سرچ اور میچنگ ممکن ہو۔ - طویل ان پٹ کی سپورٹ: نسبتاً لمبے متنی حصے سنبھالنے کی صلاحیت (ماڈل پر منحصر)۔ - انضمام: Google AI Studio اور Vertex AI کی Embeddings API کے ذریعے REST/gRPC اور سرکاری کلائنٹس (مثلاً Python/JS) میں دستیاب۔ - استعمال: ماڈل ایک فکسڈ-سائز ویکٹر واپس کرتا ہے جسے آپ ویکٹر ڈیٹا بیس میں اسٹور کرکے nearest-neighbor سرچ یا سمilarity میٹرکس کے ساتھ استعمال کر سکتے ہیں۔ مختصراً، Gemini Embedding 2 ایسی جدید ایمبیڈنگ صلاحیتیں فراہم کرتا ہے جو سرچ، بازیافت اور سمجھ پر مبنی ایپلی کیشنز کی کارکردگی اور معیار کو بہتر بناتی ہیں۔
New

Gemini Embedding 2 گوگل کے Gemini پلیٹ فارم کی دوسری نسل کے ایمبیڈنگ ماڈلز کا خاندان ہے۔ یہ ماڈلز متن (اور کچھ ورژنز میں ملٹی موڈل مواد، جیسے تصویر/آڈیو) کو عددی ویکٹرز میں تبدیل کرتے ہیں تاکہ مشینیں معنوی رشتے اور مشابہت کو سمجھ سکیں۔ اہم نکات: - مقصد: سیمینٹک سرچ، RAG/ریٹریول-آگمینٹڈ جنریشن، درجہ بندی/رینکنگ، ڈپلیکیٹ ڈیٹیکشن، کلسٹرنگ، ذاتی نوعیت کی سفارشات وغیرہ۔ - بہتری: پچھلی نسل کے مقابلے میں زیادہ مضبوط معنوی نمائندگی، کم شور، اور بہتر ریلونس میچنگ۔ - کثیر اللسانی معاونت: مختلف زبانوں کے لیے ورژنز دستیاب ہوتے ہیں تاکہ کراس-لینگویج سرچ اور میچنگ ممکن ہو۔ - طویل ان پٹ کی سپورٹ: نسبتاً لمبے متنی حصے سنبھالنے کی صلاحیت (ماڈل پر منحصر)۔ - انضمام: Google AI Studio اور Vertex AI کی Embeddings API کے ذریعے REST/gRPC اور سرکاری کلائنٹس (مثلاً Python/JS) میں دستیاب۔ - استعمال: ماڈل ایک فکسڈ-سائز ویکٹر واپس کرتا ہے جسے آپ ویکٹر ڈیٹا بیس میں اسٹور کرکے nearest-neighbor سرچ یا سمilarity میٹرکس کے ساتھ استعمال کر سکتے ہیں۔ مختصراً، Gemini Embedding 2 ایسی جدید ایمبیڈنگ صلاحیتیں فراہم کرتا ہے جو سرچ، بازیافت اور سمجھ پر مبنی ایپلی کیشنز کی کارکردگی اور معیار کو بہتر بناتی ہیں۔

Gemini Embedding 2، Google کا پہلا فطری طور پر ملٹی موڈل ایمبیڈنگ ماڈل ہے جو متن، تصاویر، آڈیو، ویڈیو اور PDFs کو ایک واحد 3,072-بُعدی معنوی ویکٹر اسپیس میں میپ کرتا ہے (قابلِ تخصیص آؤٹ پٹ سائز کے ساتھ)۔ یہ Matryoshka Representation Learning متعارف کراتا ہے تاکہ nested / truncated ایمبیڈنگز، بہتر کثیر لسانی کارکردگی (100+ زبانیں)، اور ٹاسک-مخصوص ایمبیڈنگز کے لیے بہتر کردہ کنٹرولز (مثلاً، task:search، task:code) فراہم کیے جا سکیں۔

A
Anna
Gemini 3.1 pro API استعمال کرنے کا طریقہ
Guide

Gemini 3.1 pro API استعمال کرنے کا طریقہ

Gemini 3.1 Pro کے لیے ایک عملی، کوڈ-مرکوز رہنما — یہ کیا ہے، اسے کیسے کال کرنا ہے (بشمول CometAPI کے ذریعے)، اس کے ملٹی موڈل اور “سوچ کی سطح” کے کنٹرولز، فنکشن کالنگ/ٹول کا استعمال، وائب-کوڈنگ ٹپس، اور GitHub Copilot، VS Code، Gemini CLI، اور Google Antigravity کے ساتھ انضمام۔ Gemini 3.1 pro بڑے ملٹی موڈل ماڈلز کی سرحدوں کو ایک فوکسڈ ڈیولپر اسٹوری کے ساتھ آگے بڑھا رہا ہے: بڑی کانٹیکسٹ ونڈوز، قابلِ تشکیل “سوچ” موڈز، ٹول- اور فنکشن-کالنگ میں بہتری، اور ایجنٹک ورک فلو کے لیے واضح سپورٹ۔

A
Anna
Gemini API: فی الحال کون سے فائل سائز اور اِن پٹ کے طریقے سپورٹ کیے جاتے ہیں؟
Technology

Gemini API: فی الحال کون سے فائل سائز اور اِن پٹ کے طریقے سپورٹ کیے جاتے ہیں؟

12 جنوری 2026 کو Google نے Gemini API کے لیے ایک ڈویلپر اپ ڈیٹ شائع کیا، جو اس بات میں تبدیلی کرتا ہے کہ آپ ماڈل میں فائلیں کیسے فراہم کرتے ہیں اور ان فائلوں کا زیادہ سے زیادہ سائز کتنا ہو سکتا ہے۔ مختصراً: Gemini اب بیرونی لنکس اور کلاؤڈ اسٹوریج سے براہِ راست فائلیں حاصل کرتا ہے (لہٰذا آپ کو ہر بار انہیں اپ لوڈ کرنے کی ضرورت نہیں)، اور ان لائن فائل سائز کی حد میں نمایاں اضافہ کر دیا گیا ہے۔ یہ اپ ڈیٹس اُن حقیقی دنیا کی ایپس کے لیے رکاوٹیں کم کرتی ہیں جو پہلے ہی کلاؤڈ بکٹس میں میڈیا یا دستاویزات محفوظ کرتی ہیں، اور مختصر پروٹوٹائپنگ اور پروڈکشن ورک فلوز کو زیادہ تیز اور کم لاگت بناتی ہیں۔

A
Anna