gemini-embedding-001
Provides text embedding models for generating embeddings for words, phrases, sentences, and code. These foundational embeddings support advanced NLP tasks such as semantic search, classification, and clustering, offering more accurate and context-aware search results compared to keyword-based approaches. Building Retrieval Augmented Generation (RAG) systems is a common use case for embeddings. Embeddings play a crucial role in significantly enhancing model outputs, improving factual accuracy, coherence, and contextual richness. They enable efficient retrieval of relevant information from knowledge bases (represented as embeddings), which is then passed as additional background information in the input prompt to the language model, guiding it to generate more informed and accurate responses.
パフォーマンス
料金
| 入力料金 | $0.00 · 100万トークン |
| 出力料金 | $0.00 · 100万トークン |
| コンテキストウィンドウ | 2K トークン |
| 対応エンドポイント | embedding |
| ベンダー |
コードから gemini-embedding-001 を呼び出す
OpenAI 互換の SDK を UnoRouter に向け、モデル名を指定するだけです。YOUR_API_KEY はダッシュボードで取得した実際のキーに置き換えてください。
curl https://api.unorouter.ai/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-embedding-001",
"messages": [{"role": "user", "content": "Hello!"}]
}'よくあるご質問
gemini-embedding-001 の100万トークンあたりの料金はいくらですか？
入力は100万トークンあたり $0.00、出力は100万トークンあたり $0.00 で課金されます。トークン単位の課金で、バッチサイズへの切り上げはありません。
API で gemini-embedding-001 を使うにはどうすればよいですか？
UnoRouter の /v1/chat/completions エンドポイントへ model=gemini-embedding-001 を指定してリクエストを送信してください。OpenAI 互換のクライアントライブラリであれば動作します。認証は標準の Bearer トークンを使用します。
gemini-embedding-001 のコンテキストウィンドウはどれくらいですか？
gemini-embedding-001 は 2K トークンのコンテキストウィンドウに対応しており、プロンプトとモデルの応答で共有されます。