Comparaison de modèles
Comparez EmbeddingGemma 2 et Gemini Embedding 2 en utilisant la même rubrique intégrations et recherche de vecteurs provenant du fournisseur. Pas de score mystère et pas de classement de référence inventé.
Indiquez votre utilisation. L’estimation se met à jour à chaque modification.
Hypothèse : 600 tokens par page, traitée séparément. Le nombre réel varie. Embeddings uniquement, hors stockage, recherche et réponses.
Les estimations excluent taxes, outils, stockage/écriture du cache, quotas gratuits et remises personnalisées. Pour les images, seule la sortie est incluse, pas le prompt ni les références. Les modes de qualité varient. Un paramètre non répertorié n’est pas gratuit.
| Modèle | Accès | Total estimé (USD) |
|---|---|---|
| Gemini Embedding 2Google | 0,0012 $US | |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | Aucun tarif vérifié |
Prise rapide
Le modèle d'embeddings à poids ouverts de Google DeepMind pour rechercher localement dans du texte, du code, des images, de l'audio et de la vidéo.
Des poids ouverts ne rendent pas le calcul gratuit. Reconstruisez et évaluez l'index lors d'un changement de modèle, respectez la précision numérique documentée et testez les vecteurs tronqués sur vos données.
Modèle d'intégration multimodal de Google pour placer du texte, des images, des vidéos, de l'audio et des PDF dans un seul espace vectoriel consultable.
Les entrées multimédias ont des limites et des prix distincts, de sorte que les estimations de coûts sous forme de texte uniquement ne décrivent pas un indice multimodal. Les conditions d’utilisation des données Gemini API gratuites et payantes diffèrent également.
Comparez les faits publiés
Les valeurs utilisent les unités et limites publiées par chaque fournisseur. Un blanc signifie que le fournisseur n'a pas publié de valeur directement comparable dans les sources examinées.
| Intégrations et recherche de vecteurs | EmbeddingGemma 2 | Gemini Embedding 2 |
|---|---|---|
| Prix d'intégrationPrix actuel du fournisseur par million de jetons d'entrée ou unité de facturation publiée la plus proche. | Poids ouverts ; auto-hébergé | Envoyez un SMS à 0,20 $ / 1 million de jetons ; les tarifs multimodaux varient |
| Capacité d'entréeContenu maximum accepté dans une entrée d'intégration, en utilisant la base de jetons documentée du fournisseur. | 8,192 tokens partagés entre texte et médias | 8 192 jetons de texte ; les médias ont des limites distinctes |
| Dimensions vectoriellesTailles de sortie prises en charge ; des vecteurs plus petits réduisent le stockage tandis que des vecteurs plus grands peuvent conserver plus d'informations. | 768 par défaut ; 512, 256 ou 128 avec renormalisation | 128-3 072 ; 768, 1 536 ou 3 072 recommandés |
| Entrées acceptéesEntrée de texte, de code, d'image, d'audio, de vidéo, de PDF ou de document prise en charge par le point de terminaison. | Texte, code, images, audio et images vidéo échantillonnées | Texte, image, vidéo, audio, PDF |
| Contrôles de récupérationModes de requête/document, types de tâches, troncature, segmentation ou autres contrôles qui façonnent les vecteurs pour la récupération. | Prompts de tâche, encodeurs sélectionnables, troncature et normalisation des vecteurs | Types de tâches, dimension de sortie, titre des documents de récupération |
| Où ça courtAPI directe, marché cloud, déploiement privé ou itinéraire auto-hébergé documenté par le fournisseur. | Local ou auto-hébergé ; poids sous Apache 2.0 | API de développeur Gemini et Google AI Studio |
Comment choisir
Commencez par le travail que vous devez effectuer, puis validez les détails du coût, de l'accès et de la politique sur l'itinéraire exact de votre fournisseur.
L'inférence peut s'exécuter localement sans envoyer le contenu source à une API d'embeddings. La conservation des données et l'accès réseau dépendent de l'application et des services connectés.
Les termes Gemini API de Google distinguent les services non payants et payants : le contenu des services non payants peut être utilisé pour améliorer les produits, tandis que les invites et les réponses des services payants ne sont pas utilisées pour améliorer les produits.
Liens vers les fournisseurs et les API
Questions fréquemment posées
EmbeddingGemma 2 : Le modèle d'embeddings à poids ouverts de Google DeepMind pour rechercher localement dans du texte, du code, des images, de l'audio et de la vidéo. Gemini Embedding 2 : Modèle d'intégration multimodal de Google pour placer du texte, des images, des vidéos, de l'audio et des PDF dans un seul espace vectoriel consultable.
Considérez EmbeddingGemma 2 lorsque votre priorité est Recherche multimodale locale et hors ligne. Considérez Gemini Embedding 2 lorsque votre priorité est Recherche multimodale à travers le texte et les médias. Testez les deux avec vos propres données et votre itinéraire de fournisseur avant de vous engager.
Non. Cette comparaison aligne les faits publiés par le fournisseur pour la catégorie Intégrations et recherche de vecteurs. Il ne revendique pas de gagnant universel ni ne combine des scores de référence tiers incompatibles.
