Gemini Embedding 2 (Preview)
нейрожелі
Gemini Embedding 2 Preview — Google-дің алғашқы мультимодальды эмбеддинг моделі. Ол семантикалық іздеуді, ұқсас нысандарды іздеуді және retrieval-augmented generation (RAG) процесін жеңілдете отырып, мәтін мен кескіндерді бірыңғай векторлық кеңістікке ауыстырады. VPN-сіз жылдам интеграциялау және рубльмен төлеу үшін BotHub 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-preview',
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 (Preview)?
Gemini Embedding 2 Preview-ді BotHub-та сынап көріңіз — семантикалық іздеу мен RAG-ты жылдам баптаңыз.Gemini Embedding 2 (Preview) 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 Preview мәтін, құжаттар және кескіндер бойынша сандық эмбеддингтер жасайды. Семантикалық іздеуге, RAG-қа, кластерлеуге, ұсынымдарға және мазмұнды индекстеуге жарамды; топтамалық өңдеуді және үлкен контексттерді қолдайды, векторлық дерекқорлармен ыңғайлы интеграцияланады.
Модель эмбеддингтерді векторлық дерекқорларда сақтауға және ұқсастық бойынша іздеуге дайын сандық векторлар түрінде қайтарады. Форматы — API арқылы сандар жиымы; топтамалық шығару қолдау тапқан, бұл құжаттар мен кескіндерді жаппай өңдеуді жеңілдетеді.
Біздің деректерде «жауап бермес бұрын ойлану» қабілеті белгіленбеген. Эмбеддингтер мағынаның сандық көрінісін қалыптастырады және әдетте кезең-кезеңімен пайымдауды қамтымайды; аргументация мен chain-of-thought-ты анық генерациялау үшін мәтіндік генеративті модельдерді пайдаланған жөн.
Біздің деректерде функцияларды шақыру және құрылымдалған JSON шығысы белгіленбеген. Модель сандық векторларды қайтарады; егер сізге JSON қажет болса, нәтижелерді клиент жағында қаптаңыз немесе қажетті құрылымға түрлендіру үшін аралық сервисті пайдаланыңыз.
Иә, модель кіріс ретінде кескіндер мен құжаттарды қабылдайды, бұл визуалды және құрылымдалған мазмұннан эмбеддингтер құруға мүмкіндік береді. Аудио мен бейнені қолдау берілген деректерде белгіленбеген, сондықтан олар үшін қосымша өңдеу немесе түрлендіру қажет болады.
Біздің деректерде орыс тілін түсіну сапасы туралы тікелей ақпарат жоқ, сондықтан нақты тұжырым жасау мүмкін емес. Эмбеддингтер мәтіннің семантикасына бағытталған; іздеу мен кластерлеуге жарамдылығын бағалау үшін модельді орыс тіліндегі мысалдарыңызда сынап көруді ұсынамыз.