Gemini Embedding 001

Суть

Это текстовая модель эмбеддингов: она преобразует входной текст в числовые векторные представления, пригодные для сравнения и поиска. Модель не генерирует ответы или документы — полученные векторы используют в поисковых и аналитических системах.

Сильные стороны

Для разных задач можно задавать тип представления: поиск документов и запросов, семантическое сходство, классификация, кластеризация, поиск кода, ответы на вопросы и проверка фактов. Для поиска запрос и индексируемые документы следует обрабатывать с соответствующими типами задачи. При классификации, кластеризации и сравнении сходства важно придерживаться одинакового режима для сопоставляемых текстов. Размерность выходного вектора можно настраивать, чтобы соотнести качество представления с требованиями к хранению и обработке.

Контекст и модальности

По данным каталога, контекст составляет 20 000 токенов. Входная модальность — текст, выход — эмбеддинги. Модель не предназначена для непосредственной обработки изображений, аудио или видео.

Типовые сценарии

Подходит для семантического поиска по статьям и документам, извлечения материалов для систем ответов на вопросы, поиска фрагментов кода по текстовому запросу, обнаружения похожих текстов и дубликатов, тематической группировки и классификации. В RAG-системе эмбеддинги документов и запросов можно использовать для поиска релевантного контекста, который затем передаётся отдельной генеративной модели.

Ограничения

Результат — вектор, а не готовый ответ или оценка релевантности. Поиск требует отдельного хранилища и алгоритма сравнения векторов; для выдачи ответов понадобится другой компонент. Качество поиска зависит от подготовки текста, выбора типа задачи и согласованной обработки запросов и документов. Вход этой модели текстовый, поэтому мультимодальные данные нужно преобразовать или обрабатывать отдельно.

Отличие от соседей по семейству

В отличие от Gemini Embedding 2, который Google описывает как мультимодальную модель эмбеддингов, эта версия ориентирована на текст. Она подходит, когда нужно строить векторный поиск или сравнение именно по текстовым данным, а не объединять в одном пространстве текст, изображения, аудио и видео.