Google: Gemini Embedding 2
gemini-embedding-2- 输入 / 输出
- $0.20 / $0.00
- 上下文
- 8K
- 发布日期
- 2026年9月30日
- 模态
- 嵌入
Gemini Embedding 2 简介
Gemini Embedding 2 是 Google Gemini API 中较新的向量化（embedding）模型。它把文本转成能表达语义的向量，用于搜索、聚类和推荐，维度可在 128 到 3,072 之间调整。它接受的文本比 gemini-embedding-001 更长，并用写在提示词里的指令取代了后者的任务类型参数。
擅长的任务
- 文本输入长度可达 gemini-embedding-001 上限的数倍，需要切的块更少。
- 缩减后的向量会自动归一化，省去旧模型留给你自己做的一步。
- 任务指令写在提示词里，一次请求就能用日常语言说明向量的用途。
- 128 到 3,072 的维度，可以在存储、搜索速度与精度之间取舍。
什么情况换别的模型
- 向量无法与 gemini-embedding-001 的输出比较，迁移索引意味着全部重新向量化。
- 向量只以浮点数返回，不提供紧凑的 base64 编码。
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/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" }'
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- Official
- 输入$0.20每 1M token输出$0.00每 1M token
- 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 | Official每 1M token | 折扣 | |
|---|---|---|---|
| 输入 | $0.20 | $0.20 | — |
| 输出 | $0.00 | $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
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
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
更长段落的检索
向量化更大的文本块，让知识库搜索里的段落和上下文保持在一起。
指令引导的相似度
加一句简短指令，比如查找代码片段或查找 FAQ，让提示词决定什么算相似。
客服工单匹配
把新工单匹配到以前描述同一问题、但措辞不同的工单。
主题聚类
按语义给评论或文章分组，不必写关键词列表就能看到主题。
提示词示例
task: question answering | query: 如何在不停机的情况下轮换 API 密钥
title: 退款政策 | text: 客户可在收货后 30 天内退回未使用的商品，并按原支付方式全额退款。
对这张客服工单做向量化，以便和以前相似的工单匹配：客户更换邮箱地址后无法重置密码。
费用计算器
FAQ
Gemini Embedding 2 比 Gemini Embedding 001 多了什么？
更长的文本输入、用提示词指令取代任务类型参数，以及对缩减向量的自动归一化。两个模型都把文本转成向量，但 001 的输入长度上限短得多。
我能复用用 gemini-embedding-001 生成的向量吗？
不能。Google 说明两者的向量空间不兼容，所以不能把一个模型的向量和另一个模型的向量相比较。迁移到 Embedding 2 时，文档和查询都要重新向量化。
有哪些向量维度可选？
128 到 3,072 维，推荐 768、1,536 和 3,072。Google 称较小维度的得分接近较大维度。Embedding 2 会替你对缩减后的向量做归一化，所以可以直接存储和搜索。
怎么指定任务？
没有任务类型参数。你把意图写进提示词，比如标明文本是查询，还是待检索的文档。索引两侧使用同样的约定，查询和文档才能对得上。
它返回什么？
浮点向量，每个输入文本一个，维度由你选择。可以存入任何向量索引，用余弦相似度或点积比较。
Gemini Embedding 2 的费用是多少？
在 TokenLab 上，Gemini Embedding 2 的价格为 输入 $0.20 / 输出 $0.00 每 1M token。完整明细见上方价格表。
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。
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。
Gemini Embedding 2 对比
资料来源
审阅于 2026年10月2日
