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）。

gemini-embedding-001得分排行榜

Gemini Embedding 001 Benchmark Details

Benchmark Results

Benchmark Results

文本向量检索

Gemini Embedding 001 Benchmark Details

Benchmark Results

Benchmark Results

文本向量检索