Ile kosztuje Gemini Embedding 2 za 1M tokenów?

Google AI podaje $0.2 / — za 1M tokenów wejścia / wyjścia w katalogu odnoga. Przez odnoga płacisz cenę vendora plus marżę planu, a każdy request zapisuje obie wartości.

Do czego najlepiej nadaje się Gemini Embedding 2?

Wywołania masowe i wrażliwe na opóźnienie: klasyfikacja, ekstrakcja, routing, krótkie przeredagowania i streszczenia. Zadania łączące obraz z tekstem — zrzuty ekranu, skany dokumentów, wykresy, zdjęcia produktów.

Czy mogę przełączyć się na Gemini Embedding 2 bez zmiany kodu?

Tak. odnoga udostępnia jeden endpoint zgodny z OpenAI — przełączenie to wysłanie "gemini-embedding-2" jako id modelu lub zmiana w wersji zarządzanego promptu, bez wdrożenia aplikacji.

Jak duże jest okno kontekstu Gemini Embedding 2?

8K tokenów wejścia, do 1 tokenów wyjścia na odpowiedź.

Gemini Embedding 2

Gemini Embedding 2 od Google AI: $0.2 wejście i — wyjście za 1M tokenów, kontekst 8K. Wywołuj przez bramkę LLM odnogi.

Vision

Gemini Embedding 2 jest dostarczany przez Google AI i wywoływany przez odnogę tym samym formatem zgodnym z OpenAI, co każdy inny model w katalogu. Przyjmuje obrazy obok tekstu. Okno kontekstu 8K tokenów wyznacza, ile wejścia zmieścisz w jednym wywołaniu.

Specyfikacja i cena

Dostawca	Google AI
ID modelu	gemini-embedding-2
Okno kontekstu	8K tokenów
Maks. wyjście	1 tokenów
Możliwości	Vision

Twój plan

Za 1M tokenów	Koszt dostawcy	Twoja cena na planie Free+7%
Wejście	$0.2	$0.215
Wyjście	—	—
Pamięć podręczna wejścia	—	—

Koszt dostawcy to cena katalogowa za milion tokenów zapisana w katalogu odnoga; Twoja cena stosuje marżę planu tym samym wzorem, który rozlicza każdy request — zobacz cennik. Cennik

Wywołaj przez odnogę

const res = await fetch("https://api.odnoga.com/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ODNOGA_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gemini-embedding-2",
    messages: [{ role: "user", content: "Hello" }],
  }),
});

Ten sam format wywołania dla każdego dostawcy — zmieniasz identyfikator modelu, a odnoga zajmuje się kluczami, routingiem, limitami i rozliczeniem kosztów.

Jak używać Gemini Embedding 2

Opracowano na podstawie danych tego modelu w katalogu odnogi.

Najlepszy do

Wywołania masowe i wrażliwe na opóźnienie: klasyfikacja, ekstrakcja, routing, krótkie przeredagowania i streszczenia.
Zadania łączące obraz z tekstem — zrzuty ekranu, skany dokumentów, wykresy, zdjęcia produktów.

Nie wybieraj go, gdy

Pętle agentowe wywołujące Twoje funkcje — brak obsługi narzędzi.
Procesy wymagające gwarantowanego JSON-a — parsuj defensywnie albo wybierz model z wymuszonym JSON-em.
Bardzo długie generowane dokumenty — wyjście ograniczone do 1 tokenów na odpowiedź.
Duże dokumenty w jednym requeście — okno to 8K tokenów, potrzebne będzie dzielenie na części.
Zadania, gdzie błędna odpowiedź jest kosztowna bez kontroli człowieka — żaden model w katalogu tego nie znosi.

Praktyczne wskazówki dla odnogi

01Przypnij id modelu do wersji zarządzanego promptu — zmiana modelu jest wtedy zmianą wersji, którą można porównać i wycofać, a nie edycją w kodzie aplikacji.
02Porównaj go z 2–8 innymi modelami na tych samych zamrożonych przypadkach testowych w laboratorium ewaluacji, zanim ustawisz go jako domyślny w produkcji.
03Przy powtarzalnych, deterministycznych wywołaniach odnoga zwraca zapisaną odpowiedź i nie nalicza tokenów vendora — wyłącz to dla treści kreatywnych.
04Ustaw model zapasowy na trasie, by awaria vendora obniżała jakość zamiast zwracać błąd, oraz budżet na tenanta, by jeden klient nie wydał całego miesiąca.