Gemini Embedding 2

О модели#

Gemini Embedding 2 - первая мультимодальная модель эмбеддингов Google. Она отображает текст и изображения в единое векторное пространство, что позволяет искать изображения по текстовому запросу и наоборот. Размер вектора настраивается от 128 до 3072, рекомендуются значения 768, 1536 и 3072. Подходит для семантического поиска, RAG, классификации и кластеризации.

Характеристики#

Стоимость#

Оплата списывается с баланса DS Lab в DS-коинах. 1 DS-коин = 1 ₽.

API#

1. Создайте API-ключ на странице dslab.tech/api/keys

2. Используйте https://api.dslab.tech/v1 как base_url в любом OpenAI-совместимом SDK. Модель: gemini-embedding-2.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.dslab.tech/v1",
    api_key="YOUR_DSLAB_API_KEY",
)

response = client.embeddings.create(
    model="gemini-embedding-2",
    input="В чем смысл жизни?",
)

print(len(response.data[0].embedding))

Эндпоинт#

Преобразует текст или изображения в векторное представление.

POST https://api.dslab.tech/v1/embeddings

Параметры#

Для мультимодального входа элемент input передается как объект с массивом content, внутри которого блоки text и image_url. Одно обращение возвращает один агрегированный вектор на элемент input.

Для текстовых задач Google рекомендует добавлять префикс задачи в сам текст, например task: search result | query: {content} для запроса и title: {title} | text: {content} для документа.