gemini-embedding-001 ist Googles universelles Text-Embedding-Modell auf der Gemini-API, dokumentiert für semantische Suche, Textklassifikation, Clustering und Retrieval-Augmented Generation.
- Eingabe
- Text $0.15/M
- Ausgabe
- Text
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 2.048 |
|---|
Embeddings
| Embedding-Dimensionen | 128 bis 3072, wählbar Vom Anbieter empfohlene Größen: 768 · 1536 · 3072 |
|---|---|
| Ausgabe kürzbar | Ja |
Modell
| Modalitäten | Text → Text |
|---|
Google's general-purpose text embedding model on the Gemini API, documented for semantic search, classification, clustering and RAG. Output dimensionality is Matryoshka rather than fixed: the docs give it as "Flexible, supports: 128 - 3072" with 768, 1536 and 3072 named as recommended, so a single dimension count does not describe this model. Input is capped at 2,048 tokens per request. The task_type parameter accepts SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING, RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, CODE_RETRIEVAL_QUERY, QUESTION_ANSWERING and FACT_VERIFICATION. Google's deprecation page lists a shutdown date of 2028-05-14 with gemini-embedding-2 as the replacement.
Gemini Embedding 001 in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/embeddings
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-embedding-001",
messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-embedding-001",
messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-embedding-001",
"messages": [{"role": "user", "content": "Hello"}]
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-embedding-001",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-embedding-001")
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini Embedding 001
- Die für einen Vergleich wichtigste Eigenschaft ist, dass die Ausgabebreite nicht fest ist: Google gibt sie als „Flexible, supports: 128 - 3072" an und nennt 768, 1536 und 3072 als empfohlene Werte, sodass eine einzelne Dimensionszahl dieses Modell nicht beschreibt und ein kürzerer Vektor ohne Modellwechsel angefordert werden kann.
- Die Eingabe ist auf 2.048 Token pro Anfrage begrenzt, und der Parameter task_type akzeptiert SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING, RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, CODE_RETRIEVAL_QUERY, QUESTION_ANSWERING und FACT_VERIFICATION, womit ein Modell beide Seiten eines Retrieval-Paares bedienen kann.
- Googles Deprecation-Seite nennt den 14.
- Mai 2028 als Abschaltdatum und gemini-embedding-2 als Nachfolger.
FAQ
Lässt sich die Gemini Embedding 001 API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Das reicht, um Gemini Embedding 001 mit Ihrem realen Workload auszuprobieren, bevor Sie eine Zahlungsmethode hinterlegen.
Worin ist Gemini Embedding 001 am besten?
Ausgabebreite wählbar von 128 bis 3072; ein Modell für beide Seiten eines Retrieval-Paares; Abschaltdatum für Mai 2028 veröffentlicht. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Gemini Embedding 001?
Gemini Embedding 001 kostet auf Synthorai $0.15 pro Million Eingabe-Tokens und $0 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag.
Unterstützt Gemini Embedding 001 Prompt-Caching?
Für Gemini Embedding 001 gibt es auf Synthorai derzeit keinen Rabatt auf Cache-Lesezugriffe. Bei anderen Modellen im Gateway greift Prompt-Caching weiterhin; Alternativen mit Caching finden Sie in der Preistabelle. Caching-Vergleich der Anbieter →
Wie erhalte ich Zugang zu Gemini Embedding 001?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-embedding-001", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.