Google: Gemini Embedding 2

يمثل Gemini Embedding 2 النصوص كمتجهات للاسترجاع الدلالي وأعباء عمل التضمين ذات الصلة.

gemini-embedding-2

متاحGoogleتضمينمتزامنجديد

الإدخال / الإخراج: $0.20 / $0.00
السياق: 8K
تاريخ الإصدار: 30 سبتمبر 2026
الأنماط: تضمين

عن Gemini Embedding 2

Gemini Embedding 2 هو نموذج التضمين الأحدث من Google في واجهة برمجة تطبيقات Gemini. يقوم بتحويل النص إلى متجهات تلتقط المعنى، لأغراض البحث والتجميع والتوصيات، مع أبعاد قابلة للتعديل من 128 إلى 3,072. يقبل نصوصاً أطول من gemini-embedding-001 ويستبدل معامل نوع المهمة الخاص بذلك النموذج بتعليمات مكتوبة في المطالبة.

نقاط القوة

يمكن أن تكون مدخلات النص أطول بعدة مرات مما يسمح به gemini-embedding-001، لذا يلزم عدد أقل من الأجزاء.
يتم تطبيع المتجهات المقتطعة تلقائياً، مما يزيل خطوة كان النموذج الأقدم يتركها لك.
توضع تعليمات المهمة في المطالبة، لذا يمكن لطلب واحد أن يحدد الغرض من المتجه بكلمات عادية.
تتيح لك الأبعاد من 128 إلى 3,072 الموازنة بين سرعة التخزين والبحث مقابل الدقة.

متى تستخدم نموذجاً آخر

لا يمكن مقارنة المتجهات بمخرجات gemini-embedding-001، لذا فإن ترحيل الفهرس يعني إعادة تضمين كل شيء.
تُعاد المتجهات كقيم عائمة فقط، لذا فإن ترميز base64 المضغوط غير متاح.

البدء

إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.
02
إرسال طلبك الأول
انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).
تضميننقطة اتصال TokenLab
POST/v1/embeddings
```
curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "dimensions": 768,
  "encoding_format": "float",
  "input": "Semantic search",
  "model": "gemini-embedding-2"
}'
```

التسعير

السعر الرسمي هو السعر الأساسي العام من صانع النموذج. سعر TokenLab هو ما تدفعه فعلياً لهذا النموذج على TokenLab.

التسعير

لكل 1M Token

Official: المدخلات$0.20لكل 1M Tokenالمخرجات$0.00لكل 1M Token
السعر الرسمي: المدخلات$0.20لكل 1M Tokenالمخرجات$0.00لكل 1M Token

	السعر الرسميلكل 1M Token	Officialلكل 1M Token	خصم
المدخلات	$0.20	$0.20	—
المخرجات	$0.00	$0.00	—

الاستخدام والنشاط

معدل النجاح هو نسبة الطلبات المكتملة. زمن الاستجابة هو مدة الاستجابة الكاملة؛ ويعني P95 أن 95% من الطلبات اكتملت ضمن ذلك الوقت.

الاستخدام والتوفر

آخر 24 ساعة

الطلبات
معدل النجاح
زمن الاستجابة P95
إجمالي الرموز

أداء النموذج

آخر تحديث 3 أكتوبر 2026، 07:18 م UTC

تظهر المقاييس بمجرد استيفاء حدود الخصوصية وحجم البيانات.

تستند البيانات إلى طلبات المستخدمين المجمعة، باستثناء عمليات التحقق من الحالة.

فتح في Console

افتح Gemini Embedding 2 في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة gemini-embedding-2 عبر embedding في /v1/embeddings. اعرض النتيجة والتكلفة.

حالات الاستخدام

استرجاع الفقرات الأطول
قم بتضمين أجزاء نصية أكبر للحفاظ على الفقرات وسياقها معاً في بحث قاعدة المعرفة.
التشابه الموجه بالتعليمات
أضف تعليمات قصيرة مثل العثور على مقتطفات برمجية أو العثور على الأسئلة الشائعة، ودع المطالبة توجه ما يُعتبر متشابهاً.
مطابقة تذاكر الدعم
طابق تذكرة جديدة بتذاكر سابقة تصف نفس المشكلة بكلمات مختلفة.
تجميع المواضيع
قم بتجميع المراجعات أو المقالات حسب المعنى لرؤية المواضيع دون كتابة قوائم كلمات رئيسية.

أمثلة Prompt

المهمة: الإجابة على الأسئلة | الاستعلام: كيف أقوم بتدوير مفتاح API دون توقف الخدمة

العنوان: سياسة الاسترداد | النص: يمكن للعملاء إرجاع العناصر غير المستخدمة في غضون 30 يوماً من التسليم لاسترداد كامل المبلغ إلى وسيلة الدفع الأصلية.

قم بتضمين تذكرة الدعم هذه حتى يمكن مطابقتها مع تذاكر سابقة مشابهة: العميل لا يستطيع إعادة تعيين كلمة المرور بعد تغيير عنوان البريد الإلكتروني.

حاسبة التكلفة

رموز الإدخال الشهرية1 مليون توكن

رموز الإخراج الشهرية0.5 مليون توكن

التكلفة الشهرية المتوقعة$0.20

FAQ

ما الذي يضيفه Gemini Embedding 2 مقارنة بـ Gemini Embedding 001؟

مدخلات نصية أطول، وتعليمات قائمة على المطالبة بدلاً من معامل نوع المهمة، وتطبيع تلقائي للمتجهات المختصرة. كلاهما يحول النص إلى متجهات، لكن 001 لديه سقف مدخلات أقصر بكثير.

هل يمكنني إعادة استخدام التضمينات التي تم إنشاؤها باستخدام gemini-embedding-001؟

لا. تذكر Google أن مساحتي المتجهات غير متوافقتين، لذا لا يمكنك مقارنة متجهات من نموذج بمتجهات من النموذج الآخر. عند الانتقال إلى Embedding 2، أعد تضمين كل من مستنداتك واستعلاماتك.

ما هي أحجام التضمين المتاحة؟

من 128 إلى 3,072 بُعداً، مع التوصية بـ 768 و 1,536 و 3,072. تقول Google إن الأحجام الأصغر تحقق نتائج قريبة من الأحجام الأكبر. يقوم Embedding 2 بتطبيع المتجهات المقتطعة نيابة عنك، لذا يمكنك تخزينها والبحث فيها مباشرة.

كيف يعمل اختيار المهمة؟

لا يوجد معامل لنوع المهمة. أنت تضع القصد في المطالبة، على سبيل المثال، وضع علامة على النص كاستعلام أو كمستند للاسترجاع. استخدم نفس الاصطلاح على جانبي الفهرس الخاص بك حتى تتوافق الاستعلامات والمستندات.

ما الذي يعيده؟

متجهات عائمة، واحدة لكل نص مُدخل، بالأبعاد التي تختارها. قم بتخزينها في أي فهرس متجهات وقارنها باستخدام تشابه جيب التمام (cosine similarity) أو الضرب النقطي (dot product).

كم تكلفة Gemini Embedding 2؟

على TokenLab تكلف Gemini Embedding 2 المدخلات $0.20 / المخرجات $0.00 لكل 1M Token. التفاصيل الكاملة في جدول التسعير أعلاه.

ما نقطة النهاية التي يجب أن يستخدمها Gemini Embedding 2؟

استخدم https://api.tokenlab.sh/v1/embeddings كافتراضي لـ Gemini Embedding 2. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها Gemini Embedding 2؟

Gemini Embedding 2 يدعم تضمين. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.