Comparação de modelos
Compare EmbeddingGemma 2 e Gemini Embedding 2 usando a mesma rubrica incorporações e pesquisa vetorial fornecida pelo provedor. Nenhuma pontuação misteriosa e nenhuma classificação de benchmark inventada.
Defina seu uso. A estimativa é atualizada enquanto você digita.
Supõe 600 tokens por página, processada separadamente. A contagem real varia. Inclui apenas embeddings, sem armazenamento, busca ou respostas.
Estimativas sem impostos, ferramentas, armazenamento/gravação de cache, franquias gratuitas e descontos personalizados. Imagens incluem apenas a saída, sem prompt ou referências. Os modos de qualidade variam. Configurações não listadas não são consideradas gratuitas.
| Modelo | Acesso | Total estimado (USD) |
|---|---|---|
| Gemini Embedding 2Google | US$ 0,0012 | |
| EmbeddingGemma 2Google DeepMind | Google DeepMind | Sem preço revisado |
Tomada rápida
O modelo de embeddings com pesos abertos do Google DeepMind para busca local em texto, código, imagens, áudio e vídeo.
Pesos abertos não tornam a computação gratuita. Reconstrua e avalie o índice ao mudar de modelo, use a precisão numérica documentada e verifique vetores truncados com seus próprios dados.
Modelo de incorporação multimodal do Google para colocar texto, imagens, vídeo, áudio e PDFs em um espaço vetorial pesquisável.
Os insumos de mídia têm limites e preços separados, portanto as estimativas de custos somente em texto não descrevem um índice multimodal. Os termos de uso de dados Gemini API de nível gratuito e pago também diferem.
Compare os fatos publicados
Os valores usam as próprias unidades e limites publicados de cada provedor. Um espaço em branco significa que o fornecedor não publicou um valor diretamente comparável nas fontes analisadas.
| Incorporações e pesquisa vetorial | EmbeddingGemma 2 | Gemini Embedding 2 |
|---|---|---|
| Preço de incorporaçãoPreço atual do provedor por milhão de tokens de entrada ou a unidade de cobrança publicada mais próxima. | Pesos abertos; auto-hospedado | Texto de tokens de US$ 0,20/1 milhão; taxas multimodais variam |
| Capacidade de entradaConteúdo máximo aceito em uma entrada de incorporação, usando a base de token documentada do provedor. | 8,192 tokens compartilhados entre texto e mídias | 8.192 tokens de texto; a mídia tem limites separados |
| Dimensões vetoriaisTamanhos de saída suportados; vetores menores reduzem o armazenamento, enquanto vetores maiores podem preservar mais informações. | 768 por padrão; 512, 256 ou 128 com renormalização | 128–3.072; 768, 1.536 ou 3.072 recomendados |
| Entradas aceitasEntrada com reconhecimento de texto, código, imagem, áudio, vídeo, PDF ou documento compatível com o endpoint. | Texto, código, imagens, áudio e quadros de vídeo amostrados | Texto, imagem, vídeo, áudio, PDF |
| Controles de recuperaçãoModos de consulta/documento, tipos de tarefas, truncamento, fragmentação ou outros controles que moldam vetores para recuperação. | Prompts de tarefa, codificadores seletivos, truncamento e normalização de vetores | Tipos de tarefas, dimensão de saída, título para documentos de recuperação |
| Onde correAPI direta, mercado em nuvem, implantação privada ou rota auto-hospedada documentada pelo provedor. | Local ou auto-hospedado; pesos sob Apache 2.0 | API de desenvolvedor Gemini e Google AI Studio |
Como escolher
Comece com o trabalho que você precisa concluir e, em seguida, valide os detalhes de custo, acesso e política na rota exata do seu provedor.
A inferência pode rodar localmente sem enviar o conteúdo de origem a uma API de embeddings. A retenção de dados e o acesso à rede dependem da aplicação e dos serviços conectados.
Os termos Gemini API de Google distinguem serviços não pagos e pagos: o conteúdo de serviços não pagos pode ser usado para melhorar produtos, enquanto prompts e respostas de serviços pagos não são usados para melhorar produtos.
Links de provedor e API
Perguntas frequentes
EmbeddingGemma 2: O modelo de embeddings com pesos abertos do Google DeepMind para busca local em texto, código, imagens, áudio e vídeo. Gemini Embedding 2: Modelo de incorporação multimodal do Google para colocar texto, imagens, vídeo, áudio e PDFs em um espaço vetorial pesquisável.
Considere EmbeddingGemma 2 quando sua prioridade for Busca multimodal local e offline. Considere Gemini Embedding 2 quando sua prioridade for Pesquisa multimodal em texto e mídia. Teste ambos com seus próprios dados e rota do provedor antes de confirmar.
Não. Esta comparação alinha os fatos publicados pelo fornecedor para a categoria Incorporações e pesquisa vetorial. Ele não reivindica um vencedor universal nem combina pontuações de benchmark de terceiros incompatíveis.
