gemini-embedding-001 é o modelo de embeddings de texto de uso geral da Google na API Gemini, documentado para pesquisa semântica, classificação de texto, clustering e geração aumentada por recuperação.
- Entrada
- texto $0.15/M
- Saída
- texto
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 2.048 |
|---|
Embeddings
| Dimensões do embedding | de 128 a 3072, selecionável Tamanhos recomendados pelo fornecedor: 768 · 1536 · 3072 |
|---|---|
| Saída truncável | Sim |
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.
conforme documentação oficial da Google ↗
Use o Gemini Embedding 001 em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Gemini Embedding 001
- A propriedade mais determinante para quem compara modelos de embeddings é que a largura de saída não é fixa: a Google publica-a como «Flexible, supports: 128 - 3072» e nomeia 768, 1536 e 3072 como valores recomendados, pelo que um único número de dimensões não descreve este modelo e é possível pedir um vetor mais curto sem trocar de modelo.
- A entrada está limitada a 2.048 tokens por pedido, e o parâmetro task_type aceita SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING, RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, CODE_RETRIEVAL_QUERY, QUESTION_ANSWERING e FACT_VERIFICATION, o que permite a um só modelo servir os dois lados de um par de recuperação.
- A página de descontinuação da Google fixa o encerramento em 14 de maio de 2028 e indica gemini-embedding-2 como substituto.
Perguntas frequentes
A API do Gemini Embedding 001 é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. É o suficiente para testar o Gemini Embedding 001 com sua carga de trabalho real antes de adicionar um meio de pagamento.
Em que o Gemini Embedding 001 é melhor?
Largura de saída selecionável de 128 a 3072; um modelo para ambos os lados de um par de recuperação; data de encerramento publicada para maio de 2028. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Gemini Embedding 001?
Na Synthorai, o Gemini Embedding 001 custa $0.15 por milhão de tokens de entrada e $0 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma.
O Gemini Embedding 001 suporta cache de prompts?
O Gemini Embedding 001 não tem desconto de leitura de cache na Synthorai hoje. O cache de prompts continua valendo para outros modelos do gateway; veja na tabela de preços as alternativas com cache habilitado. Comparativo de cache entre provedores →
Como obtenho acesso ao Gemini Embedding 001?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="gemini-embedding-001" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.