gemini-embedding-001 est le modèle d'embedding de texte polyvalent de Google sur l'API Gemini, documenté pour la recherche sémantique, la classification de texte, le clustering et la génération augmentée par récupération.
- Entrée
- texte $0.15/M
- Sortie
- texte
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 2 048 |
|---|
Embeddings
| Dimensions d'embedding | de 128 à 3072, au choix Tailles recommandées par le fournisseur : 768 · 1536 · 3072 |
|---|---|
| Sortie tronquable | Oui |
Modèle
| Modalités | texte → texte |
|---|
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.
Utilisez Gemini Embedding 001 en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre 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(""));À propos de Gemini Embedding 001
- La propriété la plus déterminante pour qui compare des modèles d'embedding est que la largeur de sortie n'est pas fixe : Google la publie comme « Flexible, supports: 128 - 3072 » en citant 768, 1536 et 3072 comme valeurs recommandées, si bien qu'un seul nombre de dimensions ne décrit pas ce modèle et qu'un vecteur plus court s'obtient sans changer de modèle.
- L'entrée est plafonnée à 2 048 tokens par requête, et le paramètre task_type accepte SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING, RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, CODE_RETRIEVAL_QUERY, QUESTION_ANSWERING et FACT_VERIFICATION, ce qui permet à un seul modèle de servir les deux côtés d'une paire de récupération.
- La page de dépréciation de Google fixe l'arrêt au 14 mai 2028 et désigne gemini-embedding-2 comme remplaçant.
FAQ
Peut-on essayer l'API Gemini Embedding 001 gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. De quoi essayer Gemini Embedding 001 sur votre charge de travail réelle avant d'ajouter un moyen de paiement.
Quels sont les points forts de Gemini Embedding 001 ?
Largeur de sortie au choix, de 128 à 3072 ; un seul modèle pour les deux côtés d'une paire ; date d'arrêt publiée pour mai 2028. La section À propos en donne un aperçu complet, tiré des notes de version du fournisseur.
Combien coûte Gemini Embedding 001 ?
Sur Synthorai, Gemini Embedding 001 coûte $0.15 par million de tokens en entrée et $0 par million de tokens en sortie, soit le tarif public du fournisseur, sans majoration de plateforme.
Gemini Embedding 001 prend-il en charge la mise en cache des prompts ?
Aujourd'hui, Gemini Embedding 001 ne bénéficie d'aucune remise sur les lectures de cache sur Synthorai. La mise en cache des prompts reste disponible pour d'autres modèles de la passerelle : consultez le tableau des prix pour trouver une alternative compatible avec le cache. Comparatif de la mise en cache par fournisseur →
Comment obtenir l'accès à Gemini Embedding 001 ?
Dans votre SDK OpenAI actuel, indiquez base_url="https://synthorai.io/v1" et model="gemini-embedding-001", et c'est tout. Une seule clé API donne accès à tous les modèles de la passerelle.
Modèles associés
Comparer
Chaque valeur de cette page est reprise de la documentation du fournisseur (lien ci-dessus) et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue. Quand les fournisseurs ne définissent pas une spécification de la même façon, la différence est signalée et la valeur n'est pas mise en graphique. Nous ne mesurons rien ici et nous n'attribuons aucune note.