Alle Modelle
Einbettungen und VektorsucheVerfügbar
Google DeepMindEmbeddingGemma 2
Google DeepMinds Embedding-Modell mit offenen Gewichten für die lokale Suche in Text, Code, Bildern, Audio und Video.
Übersicht in einfacher englischer Sprache
Was EmbeddingGemma 2 eigentlich ist
EmbeddingGemma wandelt Inhalte in durchsuchbare Vektoren um, statt Antworten zu erzeugen. Verschiedene Medien können einen Index teilen, sodass eine Textsuche passende Bilder, Aufnahmen oder Videosegmente findet.
Laden Sie nur die Encoder, die Ihre Anwendung benötigt. Kleinere Vektoren können Speicher sparen; Retrieval-Qualität, Vorverarbeitung und die tatsächliche Geräteauslastung müssen dennoch geprüft werden.
Gute Passform für
- Lokale und offline verfügbare multimodale Suche
- RAG mit privaten Medien und Dokumenten
- Code-Suche auf Verbraucherhardware
Kategorievergleich
Die Fakten, die für die einbettungen-Modelle wichtig sind
Hierbei handelt es sich um vom Anbieter veröffentlichte Spezifikationen, nicht um Cody-Benchmark-Ergebnisse. Folgen Sie den verlinkten Quellen für aktuelle Grenzwerte und endpunktspezifische Ausnahmen.
- Einbettungspreis
- Offene Gewichte; SelbsthostingAktueller Anbieterpreis pro Million Eingabetoken oder die nächstgelegene veröffentlichte Abrechnungseinheit.
- Eingabekapazität
- 8,192 gemeinsame Tokens für Text und MedienMaximaler Inhalt, der in einer Einbettungseingabe akzeptiert wird, unter Verwendung der dokumentierten Token-Basis des Anbieters.
- Vektorabmessungen
- Standardmäßig 768; 512, 256 oder 128 mit erneuter NormalisierungUnterstützte Ausgabegrößen; Kleinere Vektoren reduzieren den Speicherplatz, während größere Vektoren möglicherweise mehr Informationen bewahren.
- Akzeptierte Eingaben
- Text, Code, Bilder, Audio und abgetastete VideoframesText-, Code-, Bild-, Audio-, Video-, PDF- oder dokumentenbezogene Eingaben, die vom Endpunkt unterstützt werden.
- Abrufkontrollen
- Aufgabenspezifische Prompts, selektive Encoder, Vektorkürzung und NormalisierungAbfrage-/Dokumentmodi, Aufgabentypen, Kürzung, Chunking oder andere Steuerelemente, die Vektoren für den Abruf formen.
- Wo es läuft
- Lokal oder selbst gehostet; Gewichte unter Apache 2.0Direkte API, Cloud-Marktplatz, private Bereitstellung oder selbst gehostete Route, dokumentiert vom Anbieter.
Preise und Vergleiche
Kosten schätzen
Geben Sie Ihre Nutzung ein. Die Schätzung wird sofort aktualisiert.
Annahme: 600 Tokens pro separat verarbeiteter Seite. Tatsächliche Mengen variieren. Nur Embeddings, ohne Speicherung, Suche oder Antworten.
EmbeddingGemma 2
Google DeepMind
Geschätzte Summe (USD)
Für die angegebene Nutzung · USD · API-Preis, kein Abonnement
So funktioniert die Schätzung
Schätzungen ohne Steuern, Tools, Cache-Speicherung/-Schreiben, Freikontingente und individuelle Rabatte. Bei Bildern zählt nur die Ausgabe, nicht Prompt oder Referenzbilder. Qualitätsmodi unterscheiden sich. Nicht aufgeführte Einstellungen gelten nicht als kostenlos.
API- und Provider-Zugriff
Wo bekomme ich EmbeddingGemma 2?
Hugging FaceOffizielle offene Gewichte herunterladenGoogles Checkpoint unter Apache 2.0 und Modellkarte.Google AI for DevelopersEmbeddingGemma-DokumentationModellgrenzen, Aufgaben-Prompts, Laufzeithinweise und Bereitstellungsoptionen.Google AI EdgeSuchdemos auf dem Gerät ausprobierenOffizielle Beispiele für lokale Mediensuche und Video-Retrieval.Cody editorialDen EmbeddingGemma-2-Leitfaden lesenEine praktische Erklärung zu lokalem Retrieval, Versionsänderungen und Modellabwägungen.
Verfügbarkeit
Regionen und Zugriffsphase
Offene Gewichte für lokale oder selbst gehostete Inferenz mit optionalen Bild- und Audio-Encodern.
Der Downloadzugang folgt den Richtlinien der Hostingplattform. Eine selbst gehostete Bereitstellung ist keine vom Anbieter betriebene regionale API.
Überprüfen Sie die Live-VerfügbarkeitDaten und Schulung
Die Route ist wichtig.
Die Inferenz kann lokal laufen, ohne Quellinhalte an eine Embedding-API zu senden. Datenspeicherung und Netzwerkzugriff hängen von der Anwendung und den verbundenen Diensten ab.
Hierbei handelt es sich um eine prägnante Lektüre des zitierten Anbietermaterials und nicht um eine Rechtsberatung. Ein Drittanbieter-Gateway kann andere Speicher-, Routing-, Schulungs- und Residenzbedingungen haben als die direkte API des Modellherstellers.
Lesen Sie die Richtlinien des AnbietersHäufig gestellte Fragen
EmbeddingGemma 2 FAQ
Was ist EmbeddingGemma 2?
Google DeepMinds Embedding-Modell mit offenen Gewichten für die lokale Suche in Text, Code, Bildern, Audio und Video. EmbeddingGemma wandelt Inhalte in durchsuchbare Vektoren um, statt Antworten zu erzeugen. Verschiedene Medien können einen Index teilen, sodass eine Textsuche passende Bilder, Aufnahmen oder Videosegmente findet.
Wann wurde EmbeddingGemma 2 veröffentlicht?
EmbeddingGemma 2 wurde gemäß den zitierten Anbietermaterialien auf 6. Oktober 2026 veröffentlicht.
Wo kann ich auf EmbeddingGemma 2 zugreifen?
Offene Gewichte für lokale oder selbst gehostete Inferenz mit optionalen Bild- und Audio-Encodern. Die in diesem Handbuch aufgeführten Zugriffsrouten sind Hugging Face, Google AI for Developers, Google AI Edge und Cody editorial.
Wie viel kostet EmbeddingGemma 2?
Offene Gewichte; Selbsthosting. Gewichte unter Apache 2.0. Kosten für Rechenleistung, Speicher und Hosting hängen von Ihrer Bereitstellung ab; die Veröffentlichungsdokumentation nennt keinen festen Tokenpreis für eine gehostete API.
Wo ist EmbeddingGemma 2 erhältlich?
Offene Gewichte für lokale oder selbst gehostete Inferenz mit optionalen Bild- und Audio-Encodern. Der Downloadzugang folgt den Richtlinien der Hostingplattform. Eine selbst gehostete Bereitstellung ist keine vom Anbieter betriebene regionale API.
Werden meine EmbeddingGemma 2-API-Daten für das Training verwendet?
Die Inferenz kann lokal laufen, ohne Quellinhalte an eine Embedding-API zu senden. Datenspeicherung und Netzwerkzugriff hängen von der Anwendung und den verbundenen Diensten ab. Die Richtlinie gehört zu den Routen- und Kontobedingungen des Anbieters. Überprüfen Sie sie daher vor der produktiven Nutzung erneut.
Preisvergleich
USD pro Million Tokens für die gezeigten API-Zugänge bei Standardkontext. Cache- und Langkontextpreise können abweichen. Modelle ohne passende geprüfte Preise fehlen; günstigere Kosten bedeuten keine bessere Qualität.
- Mistral Embed0,10 $
Mistral AI
- Voyage 4 Large0,12 $
Voyage AI
- Voyage Context 40,12 $
Voyage AI
- Voyage Code 40,12 $
Voyage AI
- text-embedding-3-large0,13 $
OpenAI
- Gemini Embedding 20,20 $
Google
Verwandte Vergleiche
Direktvergleiche
EmbeddingGemma 2 vs Gemini Embedding 2
Das multimodale Einbettungsmodell von Google zum Platzieren von Text, Bildern, Video, Audio und PDFs in einem durchsuchbaren Vektorraum.
Vollständigen Vergleich öffnenEmbeddingGemma 2 vs text-embedding-3-large
OpenAIs leistungsstärkstes Texteinbettungsmodell für semantische Suche, Empfehlungen, Clustering und Abrufpipelines.
Vollständigen Vergleich öffnenEmbeddingGemma 2 vs Cohere Embed 4
Das Enterprise-Einbettungsmodell von Cohere für mehrsprachigen Text, Bilder und visuell ansprechende Dokumente mit einem 128-KByte-Kontextfenster.
Vollständigen Vergleich öffnen
