Comparación de modelos
Compare EmbeddingGemma 2 y Gemini Embedding 2 utilizando la misma rúbrica incrustaciones y búsqueda de vectores del proveedor. Sin puntuación misteriosa ni clasificación de referencia inventada.
Indica tu uso. La estimación se actualiza al escribir.
Supone 600 tokens por página, procesada por separado. El número real varía. Solo incluye embeddings, no almacenamiento, búsqueda ni respuestas.
Las estimaciones excluyen impuestos, herramientas, almacenamiento/escritura de caché, cuotas gratuitas y descuentos personalizados. En imágenes solo incluyen la salida, no el prompt ni las referencias. Los modos de calidad varían. Los ajustes no listados no se consideran gratuitos.
| modelo | Acceso | Total estimado (USD) |
|---|---|---|
| Gemini Embedding 2Google | 0,0012 US$ | |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | Sin tarifa revisada |
Toma rápida
El modelo de embeddings de pesos abiertos de Google DeepMind para búsquedas locales en texto, código, imágenes, audio y vídeo.
Los pesos abiertos no hacen gratuito el cómputo. Reconstruye y evalúa el índice al cambiar de modelo, usa la precisión numérica documentada y verifica los vectores truncados con tus propios datos.
Modelo de incrustación multimodal de Google para colocar texto, imágenes, video, audio y archivos PDF en un espacio vectorial con capacidad de búsqueda.
Los insumos de medios tienen límites y precios separados, por lo que las estimaciones de costos basadas únicamente en texto no describen un índice multimodal. Los términos de uso de datos Gemini API de nivel gratuito y de pago también difieren.
Compara los hechos publicados
Los valores utilizan las unidades y límites publicados de cada proveedor. Un espacio en blanco significa que el proveedor no publicó un valor directamente comparable en las fuentes revisadas.
| Incrustaciones y búsqueda de vectores | EmbeddingGemma 2 | Gemini Embedding 2 |
|---|---|---|
| Precio de incrustaciónPrecio actual del proveedor por millón de tokens de entrada o la unidad de facturación publicada más cercana. | Pesos abiertos; autoalojado | Envía un mensaje de texto con $0,20 / 1 millón de tokens; las tarifas multimodales varían |
| Capacidad de entradaContenido máximo aceptado en una entrada de inserción, utilizando el token documentado del proveedor. | 8,192 tokens compartidos entre texto y medios | 8.192 tokens de texto; Los medios tienen límites separados. |
| Dimensiones vectorialesTamaños de salida admitidos; los vectores más pequeños reducen el almacenamiento, mientras que los vectores más grandes pueden conservar más información. | 768 por defecto; 512, 256 o 128 con renormalización | 128–3.072; 768, 1.536 o 3.072 recomendados |
| Entradas aceptadasEntrada de texto, código, imagen, audio, vídeo, PDF o documento compatible con el punto final. | Texto, código, imágenes, audio y fotogramas de vídeo muestreados | Texto, imagen, vídeo, audio, PDF |
| Controles de recuperaciónModos de consulta/documento, tipos de tareas, truncamiento, fragmentación u otros controles que dan forma a los vectores para su recuperación. | Prompts por tarea, codificadores selectivos, truncado de vectores y normalización | Tipos de tareas, dimensión de salida, título de los documentos de recuperación |
| donde correAPI directa, mercado en la nube, implementación privada o ruta autohospedada documentada por el proveedor. | Local o autoalojado; pesos bajo Apache 2.0 | API de desarrollador Gemini y Google AI Studio |
como elegir
Comience con el trabajo que necesita completar y luego valide los detalles del costo, el acceso y la política en la ruta exacta de su proveedor.
La inferencia puede ejecutarse localmente sin enviar el contenido fuente a una API de embeddings. La retención de datos y el acceso a la red dependen de la aplicación y de los servicios conectados.
Los términos Gemini API de Google distinguen los servicios pagos y no pagos: el contenido de los servicios no pagos se puede utilizar para mejorar los productos, mientras que las indicaciones y respuestas de los servicios pagos no se utilizan para mejorar los productos.
Enlaces de proveedores y API
Preguntas frecuentes
EmbeddingGemma 2: El modelo de embeddings de pesos abiertos de Google DeepMind para búsquedas locales en texto, código, imágenes, audio y vídeo. Gemini Embedding 2: Modelo de incrustación multimodal de Google para colocar texto, imágenes, video, audio y archivos PDF en un espacio vectorial con capacidad de búsqueda.
Considere EmbeddingGemma 2 cuando su prioridad sea Búsqueda multimodal local y sin conexión. Considere Gemini Embedding 2 cuando su prioridad sea Búsqueda multimodal en texto y medios. Pruebe ambos con sus propios datos y la ruta del proveedor antes de comprometerse.
No. Esta comparación alinea los datos publicados por el proveedor para la categoría Incrustaciones y búsqueda de vectores. No reclama un ganador universal ni combina puntuaciones de referencia de terceros incompatibles.
