Google의 2세대 Gemini 임베딩 모델로 gemini-embedding-001의 후속입니다. 의미 검색·클러스터링·분류·RAG용 벡터 표현을 텍스트 입력 백만 토큰당 $0.20에 생성합니다.
콘솔의 Playground에서 별도 코드 없이 이 모델을 즉시 테스트할 수 있어요
이 모델의 사용법을 Claude, ChatGPT 등에 복사
| 토큰 종류 | 크레딧 | 달러 환산 |
|---|---|---|
| 입력 토큰 | 372 | $0.25 |
| 출력 토큰 | 0 | $0.00 |
* 1,500 크레딧 ≈ $1 (실제 요금은 사용량에 따라 달라질 수 있습니다)
curl -X POST "https://api.core.today/llm/gemini/v1beta/openai/embeddings" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer cdt_your_api_key" \
-d '{
"model": "gemini-embedding-2",
"input": "What is the meaning of life?"
}'| 파라미터 | 타입 | 필수 | 기본값 | 설명 |
|---|---|---|---|---|
input | string | array | Yes | - | 임베딩할 텍스트 또는 텍스트 배열. |
model | string | Yes | gemini-embedding-2 | 모델 식별자. |
dimensions | integer | No | 3072 | 임베딩 출력 차원 (MRL). 작을수록 저장·검색 비용이 줄어듭니다. 축소된 벡터는 코사인 유사도 계산 전에 L2 정규화하세요. |
의미 검색을 위한 임베딩 생성
curl -X POST "https://api.core.today/llm/gemini/v1beta/openai/embeddings" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer cdt_your_api_key" \
-d '{
"model": "gemini-embedding-2",
"input": "What is the meaning of life?"
}'