MODEL VARLIĞI
Gemini Embedding 2
Gemini Embedding 2, Google'ın 22 Nisan 2026'da genel kullanıma aldığı ve kendi ifadesiyle ilk çok modlu gömme modelidir. Ayırt edici yanı, girdi türü ne olursa olsun aynı gömme uzayına yazmasıdır: bir metin sorgusuyla bir video karesini ya da bir ses kaydını doğrudan karşılaştırmak mümkün hâle gelir. Boyut şemsiyesi 128 ile 3.072 arasında serbesttir; Google 768, 1.536 ve 3.072'yi önerir, bu da depolama ile doğruluk arasında ayar yapmaya izin verir. Fiyatlandırma modalite başına ciddi biçimde ayrışır: metin 0,20 USD / 1M token iken video 12,00 USD / 1M token, yani altmış katı.
Künye
Kapalı- Geliştirici
- Google DeepMind
- Model tipi
- Gömme
- Bağlam
- 8.192 token
- Modaliteler
- metin · görsel · ses · video
- Açık ağırlık
- Yok
- Lisans
- Tescilli
- Yönetilen API
- Var
- Yayın
- 2026-04-22
Son doğrulama: 12 Eylül 2026
Yetenekler
- Metin, görsel, video, ses ve PDF girişini tek gömme uzayına yazma
- 8.192 token giriş penceresi
- 128 ile 3.072 arasında ayarlanabilir vektör boyutu (önerilen: 768, 1.536, 3.072)
- Modaliteler arası (cross-modal) anlamsal arama
- Doküman getirme (retrieval) ve öneri sistemleri için ölçeklenebilir benzerlik hesabı
Sınırlılıklar
- Giriş penceresi 8.192 token'dır; uzun dokümanlar parçalanmak (chunking) zorundadır
- Video girişi metin girişinin altmış katı fiyatlanır (12,00 karşısında 0,20 USD / 1M token); ses girişi 6,50 USD
- Girdi çok modlu olsa da çıktı yalnızca gömme vektörüdür; üretim (generation) yapmaz
- Maksimum toplu (batch) istek boyutu dokümantasyonda belirtilmemiştir
- Ağırlıkları indirilemez; yalnızca API üzerinden kullanılır
Tipik kullanım alanları
- Çok modlu RAG (retrieval-augmented generation) hatları
- Metin sorgusuyla görsel ve video arama
- Ses arşivlerinde anlamsal arama
- Öneri sistemleri
- Büyük çok modlu koleksiyonlarda kümeleme ve tekilleştirme
Benchmark politikası
Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji
BUILD
Hangi modeli seçeceğinize karar veremiyor musunuz?
Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.