Gemini Embedding 001
нейрожелі
Gemini Embedding 001 — ғылым, құқық, қаржы және бағдарламалау сияқты әртүрлі салаларда мәтіннің бірыңғай векторлық көрінісін беретін қуатты эмбеддинг моделі. Семантикалық іздеуге, рейтингке, ұқсас құжаттарды табуға, кластерлеуге және векторлық дерекқорларға интеграциялауға өте ыңғайлы; MTEB бенчмаркінде үнемі үздік нәтижелер көрсетеді.
Сипаттамалары
- Кіріс деректер
- мәтін
- Нәтиже
- векторлар (эмбеддингтер)
- Контекст өлшемі
- 20 000 токен
- Мүмкіндіктер
- Batch API
Промптың құны
(1М токенге қарай)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
async function main() {
const response = await openai.embeddings.create({
model: 'gemini-embedding-001',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Қалай жұмыс істейді Gemini Embedding 001?
Gemini Embedding 001-ді BotHub арқылы көріңіз — жылдам қолжетімділік және ыңғайлы төлем.Gemini Embedding 001 туралы жиі қойылатын сұрақтар
Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.
Gemini Embedding 001 семантикалық іздеу, RAG, кластерлеу, ұсыныстар және ұқсастықты бағалау тапсырмалары үшін мәтіндердің векторлық көріністерін жасайды. Модель пакеттік өңдеуді қолдайды, сондықтан индекстерді қалыптастыру және үлкен көлемдегі мәтіндерді бірыңғай API арқылы салыстыру ыңғайлы.
Ол сандық векторларды — векторлық дерекқорларға (Qdrant, pgvector және т.б.) жүктеуге және семантикалық іздеуге жарамды жылжымалы үтірі бар сандар массивтерін қайтарады. Шығару форматы — API арқылы берілетін стандартты сандар массиві.
Эмбеддингтер ойлау тізбегіне емес, мағынаны көрсетуге бағытталған. Біздің деректерде Gemini Embedding 001 нәтиже шығару алдында ойлау тізбегін орындайтыны туралы ақпарат жоқ; қадамдық түсініктемелер үшін генеративті модельдерді пайдаланған дұрыс.
Эмбеддингтер әдетте сандар массивін қайтарады және API арқылы беріледі, сондықтан олардың мамандануы функцияларды шақыруды қолдайтын модельдерден ерекшеленеді. Біздің деректерде function calling туралы нақты ақпарат жоқ; құрылымдалған JSON үшін тиісті қолдауы бар модельді таңдаған жөн.
Біздің деректерде Gemini Embedding 001 суреттерді, аудио немесе видеоны қабылдайтыны туралы ақпарат жоқ. Эмбеддингтер әдетте мәтіндік енгізулер бойынша қалыптастырылады; егер сізге мультимодальды енгізу қажет болса, интеграция алдында BotHub құжаттамасы арқылы мүмкіндіктерді нақтылаңыз.
Біздің деректерде Gemini Embedding 001-дің орыс тілінде жұмыс істеу сапасы туралы нақты ақпарат жоқ. Эмбеддингтер әдетте әртүрлі тілдердегі мағынаны қамтиды, бірақ дәлдік оқыту корпусына байланысты, сондықтан модельді өз орыстілді мысалдарыңызда сынақтан өткізу ұсынылады.