Nasz pierwszy model osadzania multimodalnego, który zapewnia wydajne mapowanie numeryczne tekstu, obrazów, filmów, dźwięku i plików PDF w jednej ujednoliconej przestrzeni osadzania. Model Gemini Embedding 2 najlepiej sprawdza się w przypadku wielomodalnego wyszukiwania semantycznego, wyszukiwania dokumentów i systemów rekomendacji, które wymagają szybkich i skalowalnych obliczeń podobieństwa w przypadku dużych wielomodalnych zbiorów danych.
Dokumentacja
Więcej informacji o funkcjach i możliwościach znajdziesz na stronie Embeddings.
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],["Ostatnia aktualizacja: 2026-03-10 UTC."],[],[]]
