返回模型列表
Gemini Embedding 2 对比 text-embedding-3-large
Gemini Embedding 2 和 text-embedding-3-large：价格、上下文、最大输出和支持的操作。
怎么选
想在提示里直接写任务指令、向量维度可在较大范围内调整，并且将来不止于文本时，想要 Google 把文本、图片、音频、视频和 PDF 放进同一空间的设计，选 Gemini Embedding 2。想要一个久经验证、向量可缩短、适用于搜索、聚类、推荐和分类的文本向量模型，选 OpenAI 的 text-embedding-3-large。纯文本索引请在你自己的数据上测试两者。
价格对比
| Gemini Embedding 2 | text-embedding-3-large | |
|---|---|---|
| 模型厂商 | OpenAI | |
| 可用状态 | 可用 | 可用 |
| 上下文窗口 | 8K | 8.2K |
| 最大输出 | - | - |
| 官方价格 | 输入$0.20每 1M token输出$0.00每 1M token | 输入$0.13每 1M token输出$0.00每 1M token |
| TokenLab 价格 | — | 输入$0.091每 1M token输出$0.00每 1M token |
| 模型表现 | 正在收集数据 | 正在收集数据 |
| 能力 |
什么时候选 Gemini Embedding 2
- 你想用大白话说明每个向量的用途
- 以后你可能会往同一个索引里加入图片或 PDF 检索
- 你希望截断后的向量由系统帮你归一化
什么时候选 text-embedding-3-large
- 你的流程只有文本，并依赖成熟的 OpenAI 工具链
- 你把同一批向量用于聚类、异常检测和分类
- 你想要文档丰富的模型，并且有明确的小一号型号可用于较小的索引
差异在哪
| 方面 | Gemini Embedding 2 | text-embedding-3-large |
|---|---|---|
| 任务处理 | 指令写在提示里，取代了早期的任务类型参数。 | 不声明任务；同一个向量服务于搜索、聚类和分类。 |
| 输入类型 | Google 设计它把文本、图片、音频、视频和 PDF 嵌入同一个空间。 | 仅文本，所以每个请求只带纯文本输入，没有图片或音频。 |
| 向量维度 | 可在较大范围内调整，截断后的向量自动归一化。 | 维度可缩短，需要时归一化由你自己处理。 |
| 批量请求 | 一个请求里的多个输入会合并成一个向量，除非分别包装。 | 批量请求中每个输入都得到各自的向量。 |
| 索引迁移 | 与 gemini-embedding-001 的向量不可比。 | 与其他 OpenAI 或第三方的向量不可比。 |
摘要
- Gemini Embedding 2: 输入 $0.10 / 输出 $0.00 每 1M token; text-embedding-3-large: 输入 $0.091 / 输出 $0.00 每 1M token. 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
FAQ
做语义搜索，Gemini Embedding 2 和 text-embedding-3-large 哪个更好？
纯文本搜索两者都可行，应由你自己的查询集来决定。预计以后要搜索图片、音频或 PDF，选 Gemini Embedding 2 更好；纯文本选 text-embedding-3-large 更简单。
能放在同一个向量库里吗？
不能。它们的向量处于不同的空间，请分别建索引，或用一个模型重新向量化全部内容，只在排序阶段合并结果。
切换需要改代码吗？
需要，改动不大。Gemini Embedding 2 希望任务指令写在提示文本里，处理多输入请求的方式也不同；text-embedding-3-large 接收纯输入和一个可选的维度值。
Gemini Embedding 2 和 text-embedding-3-large 哪个更便宜？
Gemini Embedding 2: 输入 $0.10 / 输出 $0.00 每 1M token; text-embedding-3-large: 输入 $0.091 / 输出 $0.00 每 1M token. 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Gemini Embedding 2 和 text-embedding-3-large 的主要区别是什么？
两个模型的能力相近。
资料来源
审阅于 2026年10月2日