Google: gemini-embedding-2

Gemini Embedding 2 將文字表示為向量，用於語意檢索與相關的嵌入工作負載。

比較模型

gemini-embedding-2

可用Google嵌入同步新發佈

上下文: 8K
發布日期: 2026年9月30日
模態: 嵌入

入門指南

建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。

發送您的第一個請求

複製您所選語言的範例，並針對端點執行它。

嵌入TokenLab 端點

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"
}'

定價

Official 價格為模型開發商的公開基準價。TokenLab 價格則為您在 TokenLab 使用該模型的實際費用。

定價

每 1M Token

TokenLab 價格: —
Official 定價: 輸入$0.20每 1M Token輸出$0.00每 1M Token

	Official 定價每 1M Token	TokenLab 價格每 1M Token	折扣
輸入	$0.20	—	-
輸出	$0.00	—	-

使用量與活動

成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。

用量與可用性

過去 24 小時

暫無資料

模型效能

最後更新於 2026年9月30日下午07:44 [UTC]

當達到隱私權與資料量的門檻後，指標才會顯示。

資料基於彙總的使用者請求，不包含狀態檢查。

直接在 Console 裡試

在 Console 中開啟 gemini-embedding-2，並準備好編輯或發送提示詞。

協助我使用 gemini-embedding-2 透過 /v1/embeddings 執行 embedding，並顯示結果與成本。

應用情境

語意檢索

為搜尋、推薦、分群與 RAG 產生向量表示。

同台對比

並排比較回應品質、延遲與價格。

提示詞範例

嵌入五條產品 FAQ 片段,並講清回應結構。

發送最小請求，並顯示結果與成本。

和同類裡更便宜的模型對比一下,各自什麼時候該選?

此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。

FAQ

gemini-embedding-2 的費用是多少？

在 TokenLab 上，gemini-embedding-2 價格為 — 每 1M Token。完整明細見上方價格表。

我該如何測試 gemini-embedding-2？

在 Create 中開啟 gemini-embedding-2，即可使用為 /v1/embeddings 準備的範例。

gemini-embedding-2 應該使用哪一個端點？

請使用 https://api.tokenlab.sh/v1/embeddings 進行 gemini-embedding-2 的呼叫。下方的請求範例展示了對應的程式碼格式。

接入前可以先測試 gemini-embedding-2 嗎？

可以。開啟 Console 會為 gemini-embedding-2 建立一個預先填好的草稿，登入後提示詞不會遺失，可以直接接著測試。

gemini-embedding-2 支援哪些操作？

gemini-embedding-2 支援嵌入。請在上方選擇一項操作以查看其端點與請求範例。