Gemini Embedding 001
embedding模型Gemini Embedding 001
模型参数（Parameters）
未披露
最高上下文长度（Context Length）
2K
是否支持中文
支持
推理能力（Reasoning）
模型基本信息
是否支持推理过程
不支持
最高上下文输入长度
2K tokens
最长输出结果
3072 tokens
模型类型
embedding模型
发布时间
2025-07-14
模型预文件大小
暂无数据
推理模式
常规模式（Non-Thinking Mode）
开源和体验地址
代码开源状态
不开源
预训练权重开源
不开源
- 不开源
GitHub 源码
暂无GitHub开源地址
Hugging Face
暂无开源HuggingFace地址
在线体验
暂无在线体验地址
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
标准计费
Standard
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0.15 美元/100 万tokens | |
| Embedding | 0 美元/100 万tokens |
Gemini Embedding 001模型在各大评测榜单的评分
文本向量检索
共 1 项评测评测名称 / 模式
得分
排名/总模型数
发布机构
Google Deep Mind
查看发布机构详情
Gemini Embedding 001模型解读
Gemini-Embedding 是谷歌发布的先进向量大模型，现已通过 Gemini API 和 Vertex AI 正式向开发者开放。
模型概述
Gemini-Embedding（gemini-embedding-001）是一个高性能的文本嵌入模型，旨在为多语言、多领域的任务提供强大的语义表示能力。自 2025 年 3 月实验性发布以来，该模型在 MTEB（Massive Text Embedding Benchmark）多语言排行榜 上持续领先，超越谷歌此前发布的文本嵌入模型（如 text-embedding-004、text-embedding-005 和 text-multilingual-embedding-002）以及其他商业模型。
核心能力
- 多语言支持：支持 100+ 种语言，适用于全球化的 NLP 任务，如跨语言检索、分类和聚类。
- 输入长度：最大支持 2048 个 token，适用于长文本嵌入需求。
- 输出维度灵活调整：采用 Matryoshka Representation Learning (MRL) 技术，允许开发者动态调整输出维度（默认 3072，可降至 1536 或 768），以优化存储和计算成本，同时保持高精度。
- 跨领域优化：在科学、法律、金融、编程等多个领域表现优异，适用于检索增强生成（RAG）、语义搜索、推荐系统、聚类分析等任务。
性能与基准测试
- 在 MTEB 基准测试中，Gemini-Embedding 在多语言和单语言任务上均表现卓越，特别是在检索（Retrieval）和分类（Classification）任务中显著优于竞品。
- 谷歌官方技术报告提供了更详细的性能对比数据。
API 访问与定价
- 免费试用：开发者可通过 Google AI Studio 免费体验 Gemini-Embedding。
- 生产级定价：$0.15 / 100 万输入 token，适合大规模应用。提供更高的速率限制，满足企业级需求。
迁移与兼容性
- 旧版模型（如 gemini-embedding-exp-03-07、embedding-001 和 text-embedding-004）将于 2025 年 8 月至 2026 年 1 月 逐步淘汰，建议开发者尽早迁移至 gemini-embedding-001。
- 兼容现有 embed_content API 接口，迁移成本低。
未来更新
谷歌计划推出 Batch API 支持，允许异步处理大规模数据，进一步降低成本。此外，未来可能扩展至多模态嵌入（如图像、音频等）。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
