Gemini Embedding 001

Gemini Embedding 001 — специализированная модель Google, которая преобразует текст в числовые векторы. Такие представления помогают искать материалы по смыслу, сравнивать документы и строить рекомендации, когда простого совпадения слов недостаточно. Это не чат-модель: она возвращает embedding, который затем индексирует и использует поисковая система или приложение.

Зачем переводить текст в векторы

Основа семантического поиска

Приложение сначала преобразует документы и запрос пользователя в векторы, а затем сравнивает их близость. Благодаря этому поиск может находить материалы с похожим смыслом даже при различии формулировок. Embedding 001 можно использовать для поиска по базе знаний, группировки текстов и рекомендаций, однако сама модель не отвечает на вопрос по найденным материалам и не заменяет генеративную модель в RAG-системе.

API, размерность и дата выпуска

Настраиваемый размер представления

Модель вызывается по идентификатору gemini-embedding-001. Документация указывает текст на входе, размер вектора от 128 до 3 072 измерений и лимит входа 2 048 токенов. Официальная таблица выпусков датирует API-модель 14 июля 2025 года; наиболее ранняя дата отключения на дату проверки — 14 мая 2028 года. Выбор меньшей размерности сокращает объём индекса, но может изменить качество поиска.

Кому нужна более новая версия

Embeddings для разных модальностей

Gemini Embedding 2 — более новое мультимодальное поколение, которое переводит в общее пространство текст, изображения, видео, аудио и PDF. Если система уже использует 001, миграцию нужно оценить на повторной индексации: модели могут по-разному размещать материалы в векторном пространстве, поэтому старые и новые embedding нельзя без проверки смешивать в одном индексе.

Как проверить поисковый индекс

Соберите метрики на реальных запросах

Подготовьте запросы с известными релевантными документами, оцените полноту первых результатов, качество ранжирования и задержку. Проверьте, как модель работает с короткими запросами, длинными фрагментами, русским текстом, именами и документами с таблицами. Для рекомендаций дополнительно проверяйте разнообразие результатов и не допускайте, чтобы похожесть векторов подменяла бизнес-правила доступа к данным.

Связанные модели и разработчик

Каталог Futuretools и страница разработчика

Gemini Embedding 2 · Gemini 3 8 Flash · Google DeepMind в Вики Futuretools

Экспериментальная и стабильная версии

От preview 7 марта до поддерживаемого ID 001

7 марта 2025 года Google открыла preview модели gemini-embedding-exp-03-07, также называвшейся gemini-embedding-exp. Этот экспериментальный endpoint был отключён 30 октября 2025 года. Стабильная версия gemini-embedding-001 вышла 14 июля 2025 года и по текущей таблице Google должна поддерживаться до 14 мая 2028 года. При миграции между моделями embeddings необходимо заново построить векторы и переиндексировать документы; старые и новые представления нельзя считать одной шкалой сходства. Даты и ID приведены по журналу выпусков и таблице жизненного цикла.

Первичные источники

Карточка модели, каталог и статусы API

Дата в каталоге — дата выпуска, указанная Google для этого идентификатора; статус модели может измениться. Карточка Gemini Embedding 001 · Руководство по embeddings в Gemini API · Официальные даты выпуска и поддержки