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.
Use Gemini Embedding 001 en 30 segundos
Compatible con OpenAI: cambie el base_url y conserve su 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 su 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. Consulte la sección Acerca de para el panorama completo 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: el precio de lista del proveedor, sin margen de plataforma.
¿Gemini Embedding 001 admite caché de prompts?
Gemini Embedding 001 no tiene hoy descuento por lectura de caché en Synthorai. El caché de prompts sigue disponible para otros modelos del gateway. Consulte la tabla de precios para ver alternativas con caché. Comparativa de caché entre proveedores →
¿Cómo obtengo acceso a Gemini Embedding 001?
Apunte su SDK de OpenAI existente a base_url="https://synthorai.io/v1", configure model="gemini-embedding-001" y listo. Una sola clave API cubre todos los modelos del gateway.
Modelos relacionados
Comparar
Cada valor de esta página está transcrito de la documentación del proveedor, enlazada arriba, y lleva la fecha en que se comprobó. Los precios se comparan en todo el catálogo; los valores de especificación que los proveedores definen de forma distinta se muestran indicando la diferencia en lugar de representarse en un gráfico. Nada aquí lo medimos nosotros, y nada se puntúa.