Google: gemini-embedding-2

Gemini Embedding 2 将文本表示为向量，用于语义检索及相关的嵌入任务。

对比模型

gemini-embedding-2

可用Google嵌入同步新发布

上下文: 8K
发布日期: 2026年9月30日
模态: 嵌入

快速上手

创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。

发送第一个请求

复制你所用语言的示例代码，向该端点发起请求。

嵌入TokenLab 端点

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"
}'

价格

官方价格是模型厂商公开的基线价，TokenLab 价格是用这个模型时实际的计费价。

价格

每 1M token

TokenLab 价格: —
官方价格: 输入$0.20每 1M token输出$0.00每 1M token

	官方价格每 1M token	TokenLab 价格每 1M token	折扣
输入	$0.20	—	-
输出	$0.00	—	-

用量与动态

成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。

用量与可用性

直接在 Console 里试

gemini-embedding-2 已在 Console 备好，提示词已填好，可以直接修改或发送。

帮我用 gemini-embedding-2 完成一次 embedding，接口是 /v1/embeddings。返回结果和费用。

使用场景

语义搜索

为搜索、推荐、聚类和 RAG 构建向量表示。

并排对比

并列比较回复质量、延迟和价格。

提示词示例

嵌入五条产品 FAQ 片段，再解释一下响应结构。

发一个最简请求，展示结果和费用。

把这个模型和同类别更便宜的模型对比：各自在什么情况下值得选？

此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。

FAQ

gemini-embedding-2 的费用是多少？

在 TokenLab 上，gemini-embedding-2 的价格为 — 每 1M token。完整明细见上方价格表。

如何测试 gemini-embedding-2？

在 Create 里打开 gemini-embedding-2，就能直接用为 /v1/embeddings 准备的示例。

gemini-embedding-2 应该使用哪个端点？

gemini-embedding-2 使用 https://api.tokenlab.sh/v1/embeddings。代码写法见下方的请求示例。

接入前可以先测试 gemini-embedding-2 吗？

可以。打开 Console 会为 gemini-embedding-2 备好一个现成的草稿，登录后提示词还在，上下文不会丢。

gemini-embedding-2 支持哪些操作？

gemini-embedding-2 支持嵌入。选了操作，上面会显示对应的端点和请求示例。