Gemini Embedding 2 הוא מודל ליצירת הטמעות של Google, שמתאים במיוחד למשימות מורכבות של אחזור וניתוח נתונים.
Gemini Embedding 2 מקבל קלט מולטי-מודאלי כדי ליצור וקטורים עם 3,072 ממדים. הוא מקבל קלט של תמונות, טקסט, מסמכים, אודיו ווידאו, וממפה באופן סמנטי את הווקטורים שנוצרו למרחב סמנטי מאוחד. כך אפשר לבצע משימות כמו חיפוש תמונה על סמך תיאור טקסט.
ב-Gemini Embedding 2 יש כמה תכונות שמשפרות את האיכות והגמישות של ההטמעה:
הוראות משימה בהתאמה אישית: כשמציינים הוראות משימה (לדוגמה,
task:code retrievalאוtask:search result), אפשר לבצע אופטימיזציה של ההטמעות ליחסים הרצויים ולקבל תוצאות מדויקות יותר ליעד הספציפי.גודל תוצאה ניתן להתאמה: כברירת מחדל, המודל יוצר וקטור float עם 3,072 ממדים. עם זאת, אפשר לאחזר פלט ממדי קטן יותר על ידי ציון הפרמטר
output_dimensionality.זיהוי תווים אופטי (OCR) במסמכים: קריאת OCR מקלט של מסמכים.
חילוץ טראקים של אודיו: חילוץ טראקים של אודיו מקלט של וידאו ושילוב שלהם עם פריימים של וידאו.
מידע נוסף על השימוש ב-Gemini Embedding 2 זמין במאמר קבלת הטמעות מולטי-מודאליות.
| מזהה המודל | gemini-embedding-2 |
|
|---|---|---|
| מודליות |
|
|
| מגבלות על טוקנים | מספר מקסימלי של טוקנים בקלט | 8,192 |
| מספר מקסימלי של טוקנים בפלט | לא רלוונטי | |
| מידות הפלט | עד 3,072 (עם תמיכה ב-MRL) | |
| אורך הרצף המקסימלי | 8,192 טוקנים | |
| אפשרויות צריכה |
|
|
| מפרט טכני | טקסט |
|
| תמונה |
|
|
| סרטון |
|
|
| אודיו |
|
|
| אזורים נתמכים |
|
|
| תאריך סף הידע | נובמבר 2025 | |
| גרסאות |
|
|