Nuestro primer modelo de incorporación multimodal, que proporciona una asignación numérica eficiente de texto, imágenes, videos, audio y archivos PDF en un solo espacio de incorporación unificado. El modelo Gemini Embedding 2 es ideal para la búsqueda semántica multimodal, la recuperación de documentos y los sistemas de recomendación que requieren cálculos de similitud rápidos y escalables en grandes conjuntos de datos multimodales.
Documentación
Visita la página Embeddings para obtener una cobertura completa de las funciones y capacidades.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Falta la información que necesito","missingTheInformationINeed","thumb-down"],["Muy complicado o demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Desactualizado","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema con las muestras o los códigos","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2026-03-10 (UTC)"],[],[]]
