Porównanie modeli
Porównaj EmbeddingGemma 2 i Gemini Embedding 2, korzystając z tej samej rubryki osadzania i wyszukiwanie wektorów pochodzącej od dostawcy. Żadnych tajemniczych wyników i żadnego wymyślonego rankingu porównawczego.
Podaj zużycie. Szacunek aktualizuje się podczas wpisywania.
Zakładamy 600 tokenów na stronę, przetwarzaną osobno. Faktyczna liczba się różni. Tylko embeddingi, bez przechowywania, wyszukiwania i odpowiedzi.
Szacunki nie obejmują podatków, narzędzi, zapisu i przechowywania pamięci podręcznej, darmowych limitów ani rabatów. Dla obrazów obejmują tylko wynik, bez promptu i obrazów referencyjnych. Tryby jakości różnią się. Brak stawki nie oznacza bezpłatności.
| Modelka | Dostęp | Szacowany koszt (USD) |
|---|---|---|
| Gemini Embedding 2Google | 0,0012 USD | |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | Brak zweryfikowanej stawki |
Szybkie ujęcie
Model embeddingowy Google DeepMind z otwartymi wagami do lokalnego wyszukiwania w tekście, kodzie, obrazach, dźwięku i wideo.
Otwarte wagi nie oznaczają darmowych obliczeń. Przy zmianie modelu przebuduj i oceń indeks, stosuj udokumentowaną precyzję liczbową i sprawdzaj skrócone wektory na własnych danych.
Multimodalny model osadzania Google do umieszczania tekstu, obrazów, wideo, audio i plików PDF w jednej przeszukiwalnej przestrzeni wektorowej.
Wejścia medialne mają osobne limity i ceny, dlatego szacunki kosztów w formie tekstowej nie opisują indeksu multimodalnego. Warunki korzystania z danych Gemini API w warstwie bezpłatnej i płatnej również się różnią.
Porównaj opublikowane fakty
Wartości korzystają z opublikowanych jednostek i limitów każdego dostawcy. Puste miejsce oznacza, że dostawca nie opublikował bezpośrednio porównywalnej wartości w sprawdzanych źródłach.
| Osadzania i wyszukiwanie wektorów | EmbeddingGemma 2 | Gemini Embedding 2 |
|---|---|---|
| Cena osadzaniaAktualna cena dostawcy za milion tokenów wejściowych lub najbliższa opublikowana jednostka rozliczeniowa. | Otwarte wagi; samodzielny hosting | Wyślij SMS-a o wartości 0,20 $ / 1 mln tokenów; stawki multimodalne są zróżnicowane |
| Pojemność wejściowaMaksymalna zawartość akceptowana w jednym wejściu do osadzania, przy użyciu udokumentowanej podstawy tokena dostawcy. | 8,192 tokenów współdzielonych przez tekst i media | 8192 tokenów tekstowych; media mają osobne limity |
| Wymiary wektoroweObsługiwane rozmiary wyjściowe; mniejsze wektory zmniejszają ilość pamięci, podczas gdy większe wektory mogą zachować więcej informacji. | Domyślnie 768; 512, 256 lub 128 po ponownej normalizacji | 128–3072; Zalecane 768, 1536 lub 3072 |
| Zaakceptowane dane wejścioweTekst, kod, obraz, dźwięk, wideo, plik PDF lub dane wejściowe obsługujące dokument obsługiwane przez punkt końcowy. | Tekst, kod, obrazy, dźwięk i próbkowane klatki wideo | Tekst, obraz, wideo, audio, PDF |
| Kontrola pobieraniaTryby zapytań/dokumentów, typy zadań, obcinanie, dzielenie na porcje i inne elementy sterujące kształtujące wektory do pobrania. | Prompty zadaniowe, wybór koderów, skracanie wektorów i normalizacja | Typy zadań, wymiar wyjściowy, tytuł dokumentów wyszukiwania |
| Gdzie biegnieBezpośredni interfejs API, rynek w chmurze, wdrożenie prywatne lub trasa hostowana samodzielnie udokumentowana przez dostawcę. | Lokalnie lub samodzielnie hostowany; wagi Apache 2.0 | Gemini Developer API i Google AI Studio |
Jak wybrać
Zacznij od zadania, które chcesz wykonać, a następnie sprawdź koszty, dostęp i szczegóły zasad dotyczące dokładnej trasy dostawcy.
Inferencja może działać lokalnie bez przesyłania treści źródłowej do API embeddingowego. Przechowywanie danych i dostęp do sieci zależą od aplikacji oraz podłączonych usług.
Warunki Google Gemini API rozróżniają usługi bezpłatne i płatne: treści z usług bezpłatnych mogą być wykorzystywane do ulepszania produktów, natomiast monity i odpowiedzi dotyczące usług płatnych nie są wykorzystywane do ulepszania produktów.
Linki do dostawców i API
Często zadawane pytania
EmbeddingGemma 2: Model embeddingowy Google DeepMind z otwartymi wagami do lokalnego wyszukiwania w tekście, kodzie, obrazach, dźwięku i wideo. Gemini Embedding 2: Multimodalny model osadzania Google do umieszczania tekstu, obrazów, wideo, audio i plików PDF w jednej przeszukiwalnej przestrzeni wektorowej.
Rozważ EmbeddingGemma 2, jeśli Twoim priorytetem jest Lokalne i offline wyszukiwanie multimodalne. Rozważ Gemini Embedding 2, jeśli Twoim priorytetem jest Wyszukiwanie multimodalne w tekście i mediach. Przed zatwierdzeniem przetestuj oba rozwiązania, korzystając z własnych danych i trasy dostawcy.
Nie. To porównanie porównuje fakty opublikowane przez dostawcę dla kategorii Osadzania i wyszukiwanie wektorów. Nie wskazuje uniwersalnego zwycięzcy ani nie łączy niezgodnych wyników testów porównawczych stron trzecich.
