Доступен Gemini Embedding-001 для разработчиков

<div> <h2>Google открывает Gemini Embedding-001 для разработчиков</h2> <p>Сегодня Google объявила о полной доступности своей первой мультилингвальной модели эмбеддингов, <strong>gemini-embedding-001</strong>, в Gemini API и Vertex AI. Представьте себе: один инструмент для анализа текста, поиска по смыслу и классификации—работает с более чем 100 языками.</p> <h2>Подробности модели</h2> <p>gemini-embedding-001 заняла первое место в MTEB Multilingual ещё в марте и не сдаёт позиций. Что за секрет? Техника Matryoshka Representation Learning, позволяющая выбирать «глубину» вектора—3072, 1536 или 768 размерностей. Нужно сэкономить на хранилище? Просто уменьшите размерность. А когда важна точность—ставьте макси­мум.</p> <h2>Тарифы и ограничения</h2> <p>Для тестов доступен бесплатный уровень: вам не придётся сразу платить. Когда же проект выйдет в продакшен, оплата составит $0,15 за миллион входных токенов. Лимиты легко расширить через платную подписку в Gemini API.</p> <h2>Начните работу</h2> <p>Чтобы попробовать модель, зайдите в Google AI Studio и используйте endpoint <code>embed_content</code>. Вот пример на Python:</p> <pre><code>from google import genai client = genai.Client() result = client.models.embed_content( model="gemini-embedding-001", contents="Что такое смысл жизни?" ) print(result.embeddings)</code></pre> <p>Экспериментальная версия <code>gemini-embedding-exp-03-07</code> будет доступна до 14 августа 2025 года; устаревшие модели выйдут из поддержки к концу января 2026. Рекомендуем перейти на свежую модель заранее, чтобы избежать внезапных сюрпризов.</p> <p>Скоро в Batch API появится поддержка асинхронной обработки—идеально для больших объёмов данных и снижения затрат. Интересно, какие новые возможности раскроются с такими инструментами?</p> </div>