Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

gemini-embedding-2 от google-gemini переводит текст и документы в числовые векторы. Это основа для семантического поиска, RAG-ответов по базе знаний, кластеризации, дедупликации и классификации обращений. Контекст до 65 536 токенов позволяет векторизовать длинные фрагменты целиком, не нарезая их на мелкие куски.

На выходе не текст, а вектор: его кладут в векторную базу вроде Qdrant или pgvector и сравнивают по косинусной близости. Ограничение вывода по нашим данным — 2703 токена, доступен батч-режим для массовой индексации, подключение идёт через единый OpenAI-совместимый API BotHub.

Режим рассуждений в наших данных не отмечен, и для эмбеддингов он обычно не требуется: модель не формулирует ответ, а кодирует смысл текста в вектор. Логику поверх результатов строит ваш поисковый или RAG-пайплайн, а финальный ответ пишет чат-модель.

Function calling и структурированный вывод в наших данных не отмечены. Для эмбеддинг-модели это не профильный сценарий: ответ API и так приходит машиночитаемым массивом чисел, который сразу пишется в векторную базу. Вызов функций логичнее повесить на чат-модель рядом, в том же API.

По нашим данным на вход принимаются текст, документы, в том числе в нативном формате, и изображения. Аудио и видео в перечне не отмечены. Через единый API BotHub несложно собрать связку, где медиа расшифровывает другая модель, а векторизацией занимается эта.

Сведений о языках в наших характеристиках модели нет, поэтому качество стоит проверить на своих данных. Соберите небольшой набор типовых запросов и документов, прогоните индексацию и сравните выдачу по косинусной близости — для эмбеддингов это самая честная проверка. Доступ из РФ без VPN, оплата в рублях.