gemini-embedding-001 es el modelo de embeddings de texto de propósito general de Google en la API de Gemini, documentado para búsqueda semántica, clasificación de texto, clustering y generación aumentada por recuperación.
- Entrada
- texto $0.15/M
- Salida
- texto
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 2048 |
|---|
Embeddings
| Dimensiones de embedding | de 128 a 3072, seleccionable Tamaños recomendados por el proveedor: 768 · 1536 · 3072 |
|---|---|
| Salida truncable | Sí |
Modelo
| Modalidades | texto → texto |
|---|
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.
Usa Gemini Embedding 001 en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. 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(""));Acerca de Gemini Embedding 001
- La propiedad más determinante para quien compara modelos de embeddings es que el ancho de salida no es fijo: Google lo publica como «Flexible, supports: 128 - 3072» y nombra 768, 1536 y 3072 como valores recomendados, de modo que una sola cifra de dimensiones no describe este modelo y se puede pedir un vector más corto sin cambiar de modelo.
- La entrada está limitada a 2.048 tokens por solicitud, y el parámetro task_type acepta SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING, RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, CODE_RETRIEVAL_QUERY, QUESTION_ANSWERING y FACT_VERIFICATION, lo que permite que un mismo modelo sirva ambos lados de un par de recuperación.
- La página de obsolescencia de Google fija el cierre para el 14 de mayo de 2028 y señala gemini-embedding-2 como sustituto.
Preguntas frecuentes
¿Se puede probar gratis la API de Gemini Embedding 001?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. Suficiente para probar Gemini Embedding 001 con tu carga de trabajo real antes de añadir un método de pago.
¿En qué destaca Gemini Embedding 001?
Ancho de salida seleccionable de 128 a 3072; un modelo para ambos lados de un par de recuperación; fecha de cierre publicada para mayo de 2028. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Gemini Embedding 001?
Gemini Embedding 001 cuesta $0.15 por millón de tokens de entrada y $0 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma.
¿Gemini Embedding 001 admite caché de prompts?
Gemini Embedding 001 no tiene hoy descuento por lectura de caché en Synthorai. La caché de prompts sí está disponible en otros modelos de la pasarela: consulta la tabla de precios para ver alternativas con caché. Comparativa de caché entre proveedores →
¿Cómo obtengo acceso a Gemini Embedding 001?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="gemini-embedding-001" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.