埋め込みとベクトル検索 に戻る
機種比較
EmbeddingGemma 2 vs text-embedding-3-large
Compare EmbeddingGemma 2 and text-embedding-3-large using the same provider-sourced 埋め込みとベクトル検索 rubric.謎のスコアや発明されたベンチマークランキングはありません。
コストを見積もる
利用量を入力すると、見積もりが自動で更新されます。
1ページ600トークンで個別に処理すると仮定します。実際の数は異なります。埋め込みのみで、保存・検索・回答生成は含みません。
見積もりの仕組み
税金、ツール、キャッシュ保存・書き込み、無料枠、個別割引は含みません。画像は出力料金のみで、プロンプトや参照画像の料金は含みません。品質モードはモデルごとに異なります。未掲載の設定を無料とは扱いません。
| モデル | アクセス | 合計見積額（USD） |
|---|---|---|
| text-embedding-3-largeOpenAI | OpenAI | $0.0008 |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | 確認済み料金なし |
クイックテイク
EmbeddingGemma 2
テキスト、コード、画像、音声、動画をローカル検索できる、Google DeepMindのオープンウェイト埋め込みモデルです。
こんな方に最適
- ローカル・オフラインのマルチモーダル検索
- 非公開のメディア・文書を対象としたRAG
- 一般向けハードウェアでのコードベース検索
気をつけてください
重みが公開されていても計算コストはかかります。モデル変更時にはインデックスを再構築して評価し、指定された数値精度を使い、短縮したベクトルを自分のデータで検証してください。
text-embedding-3-large
セマンティック検索、レコメンデーション、クラスタリング、および取得パイプラインのための OpenAI の最高機能のテキスト埋め込みモデル。
こんな方に最適
- 高品質のテキスト検索と RAG
- OpenAI 中心のアプリケーション スタック
- ベクター サイズを調整したいチーム
気をつけてください
このモデルはテキストのみを埋め込み、長いドキュメントを分割しません。取り込みパイプラインには、依然として意図的なチャンク化、メタデータ、評価、および再インデックス付けの戦略が必要です。
公表された事実を比較する
EmbeddingGemma 2 vs text-embedding-3-large
値には、各プロバイダーが独自に公開している単位と制限が使用されます。空白は、プロバイダーがレビューされた情報源で直接比較可能な値を公開していないことを意味します。
| 埋め込みとベクトル検索 | EmbeddingGemma 2 | text-embedding-3-large |
|---|---|---|
| 埋め込み価格Current provider price per million input tokens or the closest published billing unit. | オープンウェイト・セルフホスト | $0.13 / 100万トークン |
| 入力容量プロバイダーの文書化されたトークン ベースを使用して、1 つの埋め込み入力で受け入れられる最大コンテンツ。 | テキストとメディアで共有する8,192トークン | 8,191 個の入力トークン |
| ベクトルの次元サポートされている出力サイズ。ベクトルが小さいとストレージが削減されますが、ベクトルが大きいとより多くの情報を保持できます。 | 標準768次元、再正規化により512・256・128次元に短縮可能 | 3,072 デフォルト。次元を介したより短いベクトル |
| 受け入れられる入力エンドポイントでサポートされているテキスト、コード、画像、オーディオ、ビデオ、PDF、またはドキュメント対応入力。 | テキスト、コード、画像、音声、サンプリングした動画フレーム | Text |
| 取得制御クエリ/ドキュメント モード、タスク タイプ、切り捨て、チャンキング、または取得用のベクトルを整形するその他のコントロール。 | タスク用プロンプト、エンコーダー選択、ベクトル短縮、正規化 | オプションの寸法パラメータ。アプリケーションによって処理されるチャンク化 |
| どこで実行されるかDirect API, cloud marketplace, private deployment, or self-hosted route documented by the provider. | ローカルまたはセルフホスト、Apache 2.0の重み | OpenAI ホスト型埋め込み API |
選び方
誇大宣伝ではなく、仕事を比較してください。
完了する必要があるジョブから始めて、正確なプロバイダー ルートのコスト、アクセス、ポリシーの詳細を検証します。
EmbeddingGemma 2
元のコンテンツを埋め込みAPIに送らず、ローカルで推論できます。データの保持やネットワークへのアクセスは、アプリと接続するサービスによって異なります。
text-embedding-3-large
OpenAI は、デフォルトではモデルのトレーニングにビジネス データと API データは使用されないと述べています。不正行為の監視の保存と適格なゼロデータ保存の制御は、エンドポイントと組織の承認によって異なります。
プロバイダーと API のリンク
よくある質問
EmbeddingGemma 2 と text-embedding-3-large のよくある質問
EmbeddingGemma 2 と text-embedding-3-large の主な違いは何ですか?
EmbeddingGemma 2: テキスト、コード、画像、音声、動画をローカル検索できる、Google DeepMindのオープンウェイト埋め込みモデルです。 text-embedding-3-large: セマンティック検索、レコメンデーション、クラスタリング、および取得パイプラインのための OpenAI の最高機能のテキスト埋め込みモデル。
EmbeddingGemma 2 または text-embedding-3-large を選択する必要がありますか?
優先順位が ローカル・オフラインのマルチモーダル検索 の場合は、EmbeddingGemma 2 を検討してください。優先順位が 高品質のテキスト検索と RAG の場合は、text-embedding-3-large を検討してください。 Test both with your own data and provider route before committing.
これは EmbeddingGemma 2 と text-embedding-3-large の比較は Cody ベンチマークに基づいていますか?
いいえ。この比較は、プロバイダーが公開した 埋め込みとベクトル検索 カテゴリの事実を一致させます。普遍的な勝者を主張したり、互換性のないサードパーティのベンチマーク スコアを組み合わせたりするものではありません。