Google: Gemini Embedding 2
gemini-embedding-2- Entrada / Salida
- $0.20 / $0.00
- Contexto
- 8K
- Lanzado
- 30 sept 2026
- Modalidades
- Incrustación
Sobre Gemini Embedding 2
Gemini Embedding 2 es el modelo de incrustación más reciente de Google en la API de Gemini. Convierte texto en vectores que capturan el significado, para búsqueda, agrupación y recomendaciones, con dimensiones ajustables de 128 a 3.072. Acepta textos más largos que gemini-embedding-001 y reemplaza el parámetro de tipo de tarea de ese modelo con instrucciones escritas en el prompt.
Puntos fuertes
- La entrada de texto puede ser varias veces más larga de lo que permite gemini-embedding-001, por lo que se necesitan menos fragmentos.
- Los vectores truncados se normalizan automáticamente, lo que elimina un paso que el modelo anterior dejaba a su cargo.
- Las instrucciones de la tarea van en el prompt, por lo que una sola solicitud puede indicar para qué sirve el vector en palabras comunes.
- Las dimensiones de 128 a 3.072 le permiten equilibrar el almacenamiento y la velocidad de búsqueda frente a la precisión.
Cuándo buscar otra opción
- Los vectores no pueden compararse con la salida de gemini-embedding-001, por lo que migrar un índice significa volver a incrustar todo.
- Los vectores se devuelven solo como valores de punto flotante, por lo que no está disponible una codificación base64 compacta.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
IncrustaciónEndpoint de TokenLabPOST/v1/embeddingscurl -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" }'
Precios
El precio oficial es la línea base pública del creador del modelo. El precio de TokenLab es lo que pagas por este modelo en TokenLab.
Precios
Por 1M Token- Official
- Entrada$0.20Por 1M TokenSalida$0.00Por 1M Token
- Precio Official
- Entrada$0.20Por 1M TokenSalida$0.00Por 1M Token
| Precio OfficialPor 1M Token | OfficialPor 1M Token | Descuento | |
|---|---|---|---|
| Entrada | $0.20 | $0.20 | — |
| Salida | $0.00 | $0.00 | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Gemini Embedding 2 en Console con un prompt listo para editar o enviar.
Ayúdame a probar gemini-embedding-2 con embedding en /v1/embeddings. Muestra el resultado y el coste.
Casos de uso
Recuperación de pasajes más largos
Incruste fragmentos de texto más grandes para mantener los párrafos y su contexto juntos en la búsqueda de bases de conocimiento.
Similitud guiada por instrucciones
Añada una instrucción breve, como encontrar fragmentos de código o preguntas frecuentes, y deje que el prompt determine qué cuenta como similar.
Coincidencia de tickets de soporte
Relacione un nuevo ticket con otros anteriores que describan el mismo problema con diferentes palabras.
Agrupación de temas (clustering)
Agrupe reseñas o artículos por significado para identificar temas sin necesidad de escribir listas de palabras clave.
Ejemplos de prompts
tarea: respuesta a preguntas | consulta: cómo rotar una clave de API sin tiempo de inactividad
título: Política de reembolso | texto: Los clientes pueden devolver artículos no utilizados dentro de los 30 días posteriores a la entrega para obtener un reembolso completo al método de pago original.
Incruste este ticket de soporte para que pueda ser relacionado con tickets pasados similares: el cliente no puede restablecer la contraseña después de cambiar la dirección de correo electrónico.
Calculadora de costos
FAQ
¿Qué añade Gemini Embedding 2 sobre Gemini Embedding 001?
Entrada de texto más larga, instrucciones basadas en el prompt en lugar del parámetro de tipo de tarea y normalización automática de vectores acortados. Ambos modelos convierten texto en vectores, pero 001 tiene un límite de entrada mucho más corto.
¿Puedo reutilizar las incrustaciones hechas con gemini-embedding-001?
No. Google declara que los dos espacios vectoriales son incompatibles, por lo que no puede comparar vectores de un modelo con vectores del otro. Cuando pase a Embedding 2, vuelva a incrustar tanto sus documentos como sus consultas.
¿Qué tamaños de incrustación están disponibles?
De 128 a 3.072 dimensiones, con 768, 1.536 y 3.072 recomendadas. Google dice que los tamaños más pequeños obtienen puntuaciones cercanas a los más grandes. Embedding 2 normaliza los vectores truncados por usted, por lo que puede almacenarlos y buscarlos directamente.
¿Cómo funciona la selección de tareas?
No existe un parámetro de tipo de tarea. Usted coloca la intención en el prompt, por ejemplo, marcando el texto como una consulta o como un documento a recuperar. Utilice la misma convención en ambos lados de su índice para que las consultas y los documentos coincidan.
¿Qué devuelve?
Vectores de punto flotante, uno por cada texto de entrada, en la dimensión que elija. Almacénelos en cualquier índice vectorial y compárelos con similitud de coseno o producto escalar.
¿Cuánto cuesta Gemini Embedding 2?
En TokenLab, Gemini Embedding 2 cuesta Entrada $0.20 / Salida $0.00 Por 1M Token. La tabla de precios arriba muestra el desglose completo.
¿Qué endpoint debe usar Gemini Embedding 2?
Utiliza https://api.tokenlab.sh/v1/embeddings para Gemini Embedding 2. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Gemini Embedding 2?
Gemini Embedding 2 admite Incrustación. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Gemini Embedding 2
Fuentes
Revisado el 2 oct 2026
