Gemini Embedding 2 (мультимодальный)
нейрожелі
Gemini Embedding 2 — Google-дің мәтін мен кескіндерді бірыңғай векторлық кеңістікке көрсететін мультимодальды embedding-моделі. Семантикалық іздеу, кескіндер бойынша іздеу, кластерлеу және retrieval-augmented generation (RAG) үшін өте қолайлы. Жылдам интеграция және ауқымды векторлық іздеу үшін BotHub жеке кабинеті арқылы қолжетімді.
Сипаттамалары
- Кіріс деректер
- мәтін, құжаттар
- Нәтиже
- векторлар (эмбеддингтер)
- Контекст өлшемі
- 65 536 токен
- Мүмкіндіктер
- Batch API
Промптың құны
(1М токенге қарай)
Сурет промпты
(1К 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-2',
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 2 (мультимодальный)?
Семантикалық іздеу және RAG үшін BotHub-та Gemini Embedding 2-ні қосыңыз.Gemini Embedding 2 (мультимодальный) 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 2 мәтіндер, құжаттар және кескіндер үшін векторлық көрсетілімдер жасайды. Семантикалық іздеу, ұқсастық бойынша іздеу, RAG, кластерлеу, дедупликация және ұсынымдық жүйелер үшін жарамды. Пакеттік өңдеуді және API арқылы векторлық деректер базасына интеграциялауды қолдайды.
Модель эмбеддингтерді — векторлық деректер базасында сақтауға және ұқсастығын салыстыруға ыңғайлы сандық векторлық көрсетілімдерді береді. Нақты өлшемі ашық деректерде көрсетілмеген; нәтиже семантикалық іздеуге, жақындық бойынша іздеуге және RAG-пайплайндарға ендіруге жарамды.
Біздің деректерімізде модельдің нәтиже шығарар алдында айқын пайымдаулар жасайтыны туралы ақпарат жоқ. Эмбеддингтер әдетте ой тізбектерін генерациялаусыз кіріс семантикасын көрсетеді. Айқын пайымдауларды талап ететін тапсырмалар үшін эмбеддингтерді мәтіндік модельдермен біріктірген жөн.
Біздің деректерімізде function calling немесе құрылымдалған JSON-шығысын қолдау туралы айтылмаған. Gemini Embedding 2 эмбеддингтерді қайтарады; егер сізге құрылымдалған JSON немесе функцияларды шақыру қажет болса, векторларды алғаннан кейін қолданба тарапында осы құрылымдарды өзіңіз жасап, өңдеңіз.
Модель мәтінді, құжаттарды және кескіндерді қабылдайды, бұл мәтіндік және көрнекі контенттен эмбеддингтер алуға мүмкіндік береді. Аудио мен бейнені қолдау біздің деректерде көрсетілмеген; олар үшін қолдау көрсетілетін форматқа алдын ала конвертациялау немесе бөлек мультимодальды өңдеу қажет болады.
Ашық деректерде орыс тілін түсіну сапасы туралы тікелей ақпарат жоқ. Эмбеддингтер семантикалық жақындықты көрсетеді, бірақ дәлдігі деректер мен тапсырмаларға байланысты. Модельді өз мысалдарыңызда тексеріп, BotHub арқылы басқа модельдермен салыстыруға кеңес береміз.