Gemini Embedding
High-dimensional vector representations for advanced semantic search, text classification, and RAG systems.
- Contexto
- desconocido
- Entrada
- text
- Salida
- embedding
- Pesos
- Solo API
Familia Embeddings y reranking
Gemini Embedding
Representaciones vectoriales de alta dimension para busqueda semantica, clasificacion de texto y RAG (docs oficiales).
- Versiones catalogadas
- 1
- Primera versión
- desconocido
- Última versión
- desconocido
Versiones
Una familia no es un modelo: cada versión tiene su propia fecha, su licencia y sus capacidades. Lo que aquí llamamos «modelo» es siempre una versión concreta.
Programa Engineer
Criterio de selección, no lista de la compra
Aprende a decidir entre versiones por coste, licencia, privacidad y rendimiento medido en tus propios casos, no por el titular del lanzamiento.
¿Por qué se usa aquí? En RAG, el modelo de embeddings y el reranker deciden la calidad de la respuesta más que el modelo generador.
Lo que cambia
- De saber qué existe a saber cómo usarlo en tu trabajo.
- Del catálogo general a una decisión con coste, licencia y privacidad justificados.
- Prácticas y laboratorios, no solo lectura.