Для Gemini Embedding 2 используйте Embeddings API.

О модели

Gemini Embedding 2 — модель эмбеддингов Google, которая переводит текст, изображения, видео, аудио и PDF в общее векторное пространство для кросс-модального поиска, поиска документов и рекомендаций.

По данным Google, по сравнению с gemini-embedding-001 максимальный вход вырос с 2 048 до 8 192 токенов, а к тексту на входе добавились изображения, видео, аудио и PDF.

Google называет её первой мультимодальной моделью эмбеддингов. В одном запросе принимает до 6 изображений (PNG, JPEG), до 180 секунд аудио (MP3, WAV), до 120 секунд видео (MP4, MOV) и один PDF до 6 страниц; общий вход ограничен 8 192 токенами.

Размерность вектора уменьшается до нужной с 3072 по умолчанию; Google рекомендует 768, 1536 и 3072. Усечённые векторы нормализуются автоматически, а у gemini-embedding-001 их нужно нормализовать вручную.

Стоимость

Текущая стоимость использования этой модели:

Токены

Стоимость за 1 млн токенов

Входные токены

20₽

Входные аудиотокены

650₽

Характеристики

Параметр

Значение

Вход

Текст, изображения, видео, аудио, PDF

Выход

Числовой вектор

Размерность вектора

От 128 до 3072, по умолчанию 3072; рекомендуются 768, 1536 и 3072

Максимальный вход

8 192 токена

Языки

Более 100

Дата выхода

22 апреля 2026

Сравнение с соседними моделями

Модель

Вход

Максимальный вход

Размерность вектора

Тип задачи

Усечённые векторы

gemini-embedding-001

Текст

2 048 токенов

От 128 до 3072, по умолчанию 3072

Параметр task_type

Нормализуются вручную

Gemini Embedding 2 (эта модель)

Текст, изображения, видео, аудио, PDF

8 192 токена

От 128 до 3072, по умолчанию 3072

Префикс в тексте запроса

Нормализуются автоматически

API

Эндпоинт

http 
POST https://api.akashilab.ru/v1/embeddings
Эмбеддинг текста 
import osfrom openai import OpenAIclient = OpenAI(    api_key=os.environ["DSLAB_API_KEY"],    base_url="https://api.akashilab.ru/v1",)response = client.embeddings.create(    model="gemini-embedding-2",    dimensions=768,    input="Как вернуть товар?",)vector = response.data[0].embeddingprint(len(vector), vector[:5])

Параметры

Параметр

Тип

По умолчанию

Описание

model

string

обязательный

ID модели: gemini-embedding-2.

input

string или array

обязательный

Текст, массив текстов или массив объектов с полем content из блоков text и image_url. Общий вход — до 8 192 токенов.

dimensions

integer

3072

Размерность вектора, от 128 до 3072. Google рекомендует 768, 1536 и 3072.

encoding_format

string

—

Формат вектора в ответе. Значения: float, base64.

Важно знать

  • Векторные пространства gemini-embedding-001 и gemini-embedding-2 несовместимы: при переходе пересчитайте все сохранённые эмбеддинги.

  • Параметра task_type нет: тип задачи задаётся префиксом в тексте, например «task: search result | query: …».

  • В запросе принимаются текст и изображения (блоки image_url); видео, аудио и PDF через этот API не передаются.