為每個請求選擇 Auto、TokenLab Verified 或 Official,並預先顯示價格。 查看最新動態

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
輸入 / 輸出
$0.20 / $0.00
上下文
8K
發布日期
2026年9月30日
模態
嵌入

關於 Gemini Embedding 2

Gemini Embedding 2 是 Google Gemini API 中較新的嵌入模型。它將文字轉換為捕捉語意的向量,用於搜尋、分群與推薦,維度可在 128 到 3,072 之間調整。它接受比 gemini-embedding-001 更長的文字,並以寫入提示詞中的說明取代了該模型的任務類型參數。

適用場景

  • 文字輸入長度可達 gemini-embedding-001 的數倍,因此所需的區塊較少。
  • 截斷的向量會自動進行正規化,省去了舊模型需要您自行處理的步驟。
  • 任務說明置於提示詞中,因此單一請求即可用普通文字說明向量的用途。
  • 128 到 3,072 的維度讓您能在儲存空間、搜尋速度與精確度之間進行權衡。

其他選擇建議

  • 向量無法與 gemini-embedding-001 的輸出進行比較,因此遷移索引意味著必須重新嵌入所有內容。
  • 向量僅以浮點數值回傳,因此不提供精簡的 base64 編碼。

入門指南

  1. 建立 API 金鑰

    請至 Console 建立金鑰,即可在平台上使用各類模型。

  2. 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"
    }'

參數設定

嵌入

參數可選值與限制預設值說明
dimensions≥ 128, ≤ 3072未提供未提供
encoding_format未提供未提供This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.
input必填未提供未提供TokenLab accepts text strings or arrays of text strings. Each input is limited to 8192 tokens. Multimodal and token-array inputs are outside the current public contract.
user未提供未提供未提供

TokenLab accepts text strings or arrays of text strings. Token arrays and multimodal inputs are outside this public contract. Usage is the input token count the model reports, or an independent count of the input tokens.

TokenLab accepts text strings or arrays of text strings. Token arrays and multimodal inputs are outside this public contract. Usage is the input token count the model reports, or an independent count of the input tokens.

定價

Verified 價格用於 Verified,多數模型更便宜;Official 價格是模型廠商公布的價格,用於更穩定的 Official。Auto 按最終完成請求的線路計價。

定價

每 1M Token
Verified 價格
—
Official 價格
輸入$0.20每 1M Token輸出$0.00每 1M Token

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
請求數
成功率
P95 延遲
總 Token 用量
模型效能
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

  • 長段落檢索

    嵌入較大的文字區塊,以便在知識庫搜尋中保持段落及其上下文的完整性。

  • 指令引導式相似度

    加入簡短指令(例如「尋找程式碼片段」或「尋找常見問題」),讓提示詞引導何謂相似。

  • 支援票證比對

    將新票證與先前描述相同問題但措辭不同的票證進行比對。

  • 主題分群

    按語意將評論或文章分組,無需編寫關鍵字清單即可查看主題。

提示詞範例

任務:問答 | 查詢:如何在不中斷服務的情況下輪替 API 金鑰

標題:退款政策 | 文字:客戶可在送達後 30 天內退回未使用的商品,並獲得退回至原始付款方式的全額退款。

嵌入此支援票證,以便與過去相似的票證進行比對:客戶在更改電子郵件地址後無法重設密碼。

費用計算機

1 M tokens
0.5 M tokens
預估每月費用$0.20

FAQ

Gemini Embedding 2 相較於 Gemini Embedding 001 新增了什麼?

更長的文字輸入、以提示詞為基礎的說明取代任務類型參數,以及自動正規化截斷的向量。兩者皆將文字轉換為向量,但 001 的輸入上限短得多。

我可以使用 gemini-embedding-001 製作的嵌入嗎?

不行。Google 指出這兩個向量空間不相容,因此您無法將一個模型的向量與另一個模型的向量進行比較。當您遷移至 Embedding 2 時,請重新嵌入您的文件與查詢。

有哪些嵌入尺寸可供選擇?

從 128 到 3,072 維度,建議使用 768、1,536 和 3,072。Google 表示較小的尺寸其評分與較大尺寸相近。Embedding 2 會為您正規化截斷的向量,因此您可以直接儲存並搜尋它們。

任務選擇是如何運作的?

沒有任務類型參數。您將意圖放入提示詞中,例如將文字標記為查詢或要檢索的文件。在索引的兩端使用相同的慣例,以便查詢與文件能正確對應。

它回傳什麼?

浮點向量,每個輸入文字對應一個,維度由您選擇。將它們儲存在任何向量索引中,並使用餘弦相似度或點積進行比較。

Gemini Embedding 2 的費用是多少?

在 TokenLab 上,Gemini Embedding 2 價格為 輸入 $0.20 / 輸出 $0.00 每 1M Token。完整明細見上方價格表。

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。

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。

比較 Gemini Embedding 2

來源

更新於 2026年10月2日

更多來自 Gemini Embedding 的模型

相關模型