Modelo de texto de incrustación de Géminis de Google, Gemini Embedding-001ahora está generalmente disponible para los desarrolladores a través de Gemini API y Google AI Studio, trayendo potentes capacidades de representación de texto multilingües y flexibles al ecosistema de IA más amplio.
Soporte multilingüe y flexibilidad dimensional
- Admite más de 100 idiomas: Gemini Incrusting está optimizado para aplicaciones globales y trabaja en más de cien idiomas, lo que lo convierte en una solución ideal para proyectos con diversos requisitos lingüísticos.
- Aprendizaje de representación de Matryoshka: La arquitectura aprovecha el aprendizaje de representación de Matryoshka, lo que permite a los desarrolladores Vectores de incrustación de escala eficientemente: elija de las dimensiones 3072 predeterminadas o la reducción de la red a 1536 o 768, dependiendo de la compensación de su aplicación entre precisión y rendimiento. Esta estructura adaptable le permite optimizar la velocidad, el costo y el almacenamiento con Pérdida de calidad mínima A medida que reduce el tamaño del vector.
Especificaciones técnicas y rendimiento del modelo
- Capacidad de entrada: Procesos hasta 2048 fichas por entradacon sugerencias de que las actualizaciones futuras pueden ampliar aún más este límite.
- Líder de referencia: Desde su lanzamiento temprano, Gemini Embedding-001 ha logrado Puntuaciones superiores En la tabla de clasificación multilingüe de Benchmark (MTEB) de texto masivo, superando los modelos de Google anteriores y las ofertas externas en dominios como la ciencia, la legal y la codificación.
- Arquitectura unificada: Consolida capacidades que previamente requerían múltiples modelos especializados, simplificando flujos de trabajo para tareas de búsqueda, recuperación, agrupación y clasificación.
Características clave
- Incrustaciones predeterminadas con 3072 dimensiones (Truncamiento admitido para 1536 o 768)
- Normalización vectorial Para compatibilidad con similitud de coseno y marcos de búsqueda de vectores
- Caída de rendimiento mínima con dimensionalidad reducida
- Compatibilidad mejorada con bases de datos vectoriales populares (EG, Pinecone, ChromadB, QDRant, Weaviate) y las bases de datos de Google (AlloyDB, Cloud SQL)
| Métrica/tarea | Gemini Embedding-001 | Modelos Legacy Google | Cohere v3.0 | OPERAI-3-LARGE |
|---|---|---|---|---|
| Media (tarea) MteB (multilingüe) | 68.37 | 62.13 | 61.12 | 58.93 |
| Media MTEB (multilingüe) (TaskType) | 59.59 | 54.32 | 53.23 | 51.41 |
| Minería de bittext | 79.28 | 70.73 | 70.50 | 62.17 |
| Clasificación | 71.82 | 64.64 | 62.95 | 60.27 |
| Agrupación | 54.59 | 48.47 | 46.89 | 46.89 |
| Recuperación instantánea | 5.18 | 4.08 | -1.89 | -2.68 |
| Clasificación multilabel | 29.16 | 22.8 | 22.74 | 22.03 |
| Clasificación de pares | 83.63 | 81.14 | 79.88 | 79.17 |
| Reestructuración | 65.58 | 61.22 | 64.07 | 63.89 |
| Recuperación | 67.71 | 59.68 | 59.16 | 59.27 |
| STS (similitud textual semántica) | 79.4 | 76.11 | 74.8 | 71.68 |
| MteB (Eng, V2) | 73.3 | 69.53 | 66.01 | 66.43 |
| MteB (código, v1) | 76 | 65.4 | 51.94 | 58.95 |
| Xor-Retrieve | 90.42 | 65.67 | – | 68.76 |
| Xtreme-up | 64.33 | 34.97 | – | 18.80 |
Aplicaciones prácticas
- Búsqueda y recuperación semántica: Documento mejorado y coincidencia de pasaje en todos los idiomas
- Clasificación y agrupación: Categorización de texto robusta y agrupación de documentos
- Generación de recuperación de la recuperación (TRAPO): Precisión de recuperación mejorada para aplicaciones respaldadas por LLM
- Aplicaciones cruzadas y multilingües: Gestión sin esfuerzo de contenido internacionalizado
Integración y ecosistema
- Acceso a la API: Use Gemini Embedding-001 en la API de Gemini, Google AI Studio y Vertex AI.
- Integración perfecta: Compatible con las principales soluciones de bases de datos de vectores y plataformas de IA basadas en la nube, lo que permite una implementación fácil en tuberías y aplicaciones de datos modernos.
Precios y migración
| Nivel | Fijación de precios | Notas |
|---|---|---|
| Gratis | Uso limitado | Genial para la prototipos y la experimentación. |
| Pagado | $ 0.15 por 1 m tokens | Escalas para las necesidades de producción |
- Programa de deprecación:
gemini-embedding-exp-03-07: Deprecido el 14 de agosto de 2025- Modelos anteriores (incrustación-001, texto incrustado-004): deprecación hasta principios de 2026
- Migración: Se recomienda migrar a gemini-incrusting-001 para beneficiarse de las mejoras y el apoyo continuos.
Pensando en el futuro
- Procesamiento por lotes: Google ha anunciado el próximo soporte para las API de lotes para habilitar Generación de incrustación asincrónica y rentable a escala.
- Incrustaciones multimodales: Las actualizaciones futuras pueden permitir incrustaciones unificadas no solo por texto, sino también de código e imágenes, avanzando la amplitud de las aplicaciones de Gemini.
Conclusión
La disponibilidad general de Gemini Embedding-001 marca un avance importante en el kit de herramientas de inteligencia artificial de Google, que proporciona a los desarrolladores una solución de incrustación de texto potente, flexible y multilingüe que se adapta a una amplia gama de necesidades de aplicaciones. Con su dimensionalidad escalable, el rendimiento multilingüe de primer nivel y la integración perfecta en los populares ecosistemas de búsqueda de IA y vectores, este modelo equipa a los equipos para construir aplicaciones más inteligentes, más rápidas y más relevantes a nivel mundial. A medida que Google continúa innovando con características como el procesamiento por lotes y el soporte multimodal, Gemini Embedding-001 sienta una base sólida para el futuro de la comprensión semántica en la IA.
| Mira el Detalle técnico. Todo el crédito por esta investigación va a los investigadores de este proyecto. ¿Listo para conectarse con más de 1 millón de desarrolladores/investigadores/investigadores de AI? Vea cómo Nvidia, LG AI Research y las principales compañías de IA aprovechan a MarktechPost para llegar a su público objetivo [Learn More] |
Asif Razzaq es el CEO de MarktechPost Media Inc .. Como empresario e ingeniero visionario, ASIF se compromete a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, MarktechPost, que se destaca por su cobertura profunda de noticias de aprendizaje automático y de aprendizaje profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el público.