Gemini Embedding 2 vs Gemini Embedding 001
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Gemini Embedding 2 от Google и Gemini Embedding 001 от Google — две ключевые модели ИИ в своём классе. Gemini Embedding 2 предлагает контекстное окно 8.2K токенов по цене $0.20/$0.00 за 1 млн токенов, а Gemini Embedding 001 — контекст 2K токенов по цене $0.15/$0.00 за 1 млн токенов. Ниже представлено сравнение бенчмарков, задержки и экономики.
Выбирайте и сравнивайте любые модели
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Gemini Embedding 2
Векторные эмбеддинги и RAGGemini Embedding 2 от Google — специализированная ИИ-модель для семантического векторного поиска, индексации знаний и корпоративных систем RAG, обеспечивающая контекстное окно 8K, скорость 350 ток/с и индекс интеллекта 78/100 (по цене $0.2/
$0.20 / 1M
$0.00 / 1M
8.2K tokens
N/A
Gemini Embedding 001
Векторные эмбеддинги и RAGGemini Embedding 001 от Google — специализированная ИИ-модель для семантического векторного поиска, индексации знаний и корпоративных систем RAG, обеспечивающая контекстное окно 2K, скорость 400 ток/с и индекс интеллекта 70/100 (по цене $0.
$0.15 / 1M
$0.00 / 1M
2K tokens
N/A
Ключевые отличия кратко
- Gemini Embedding 001 is 1.3x cheaper for API usage (input + output tokens combined).
- Gemini Embedding 2 has a larger context window (8K vs 2K tokens).
- Gemini Embedding 001 is faster at 400 tok/s vs 350 tok/s.
| Feature | Gemini Embedding 2 | Gemini Embedding 001 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 78 | 70 |
Provider | ||
Input Price Cost per million input tokens | $0.20 / 1M | $0.15 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.04 / 1M | $0.03 / 1M |
Context Window Maximum input + output tokens | 8.2K tokens~12 A4 pages of text | 2K tokens~3 A4 pages of text |
Max Output Tokens Per single request | 4K | 4K |
Throughput Speed Tokens generated per second | 350 tok/s | 400 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
Кто лидирует в каждой категории?
At-a-glance decision frameworkEvaluations ongoing
Результаты проверенных бенчмарков
Official evaluation metrics verified by independent third-party research labs.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
Задержка и скорость ответа
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Интерактивный калькулятор стоимости токенов
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Gemini Embedding 2 · Strengths & Key Advantages
- Контекстное окно 8K и генерация до 4K выходных токенов за ответ (Arena Elo 1340)
- Высокая скорость генерации 350 токенов/сек при задержке до первого токена (TTFT) всего 200 мс
- Выгодная тарификация API (по цене $0.2/$0 за 1M токенов) с поддержкой кэширования промптов и строгих JSON-схем
Considerations & Trade-offs
- Проприетарная облачная модель без возможности скачивания весов для локального запуска в закрытом контуре
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Gemini Embedding 001 · Strengths & Key Advantages
- Контекстное окно 2K и генерация до 4K выходных токенов за ответ (Arena Elo 1280)
- Высокая скорость генерации 400 токенов/сек при задержке до первого токена (TTFT) всего 150 мс
- Выгодная тарификация API (по цене $0.15/$0 за 1M токенов) с поддержкой кэширования промптов и строгих JSON-схем
Considerations & Trade-offs
- Проприетарная облачная модель без возможности скачивания весов для локального запуска в закрытом контуре
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Gemini Embedding 2 | Gemini Embedding 001 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.08 | $0.05 |
Output Tokens / Task Tokens generated per task | 0K | 0K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Технические характеристики
Architecture, release timeline, capabilities, and modalities.
| Feature | Gemini Embedding 2 | Gemini Embedding 001 |
|---|---|---|
| Official API Model ID (SDK) | models/gemini-embedding-2 | models/gemini-embedding-001 |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2026-04 | 2025-05 |
| Knowledge Cutoff | February 2026 | March 2025 |
| Architecture | Unified multimodal joint-embedding transformer | Dense semantic text embedding transformer |
| Parameters | Confidential | Confidential |
| Enterprise Rate Limits (RPM / TPM) | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($0.2/1M in) across full 8K window | Flat rate ($0.15/1M in) across full 2K window |
| Prompt Cache Policy & TTL | Implicit + Explicit Context Caching at $0/1M with configurable TTL | Implicit + Explicit Context Caching at $0/1M with configurable TTL |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | Text-only completion (No GUI action loop) |
| MCP & Parallel Tool Calling | Prompt-based JSON extraction only | Prompt-based JSON extraction only |
| Web Search Grounding & Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox |
| Official Fine-Tuning Support | Vertex AI Supervised Adapter Tuning & Context Distillation | Vertex AI Supervised Adapter Tuning & Context Distillation |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | Google DeepMind Frontier Safety Framework Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | text, vision, audio, video | text |
| Output Modalities | embedding | embedding |
Gemini Embedding 2 vs Gemini Embedding 001: Быстрые ответы (FAQ)
Which is more intelligent, Gemini Embedding 2 or Gemini Embedding 001?
Gemini Embedding 2 is more intelligent. It scores 78 compared with 70 on the composite Intelligence Index.
Which model is faster?
Gemini Embedding 001 is faster, generating 400 tokens per second compared with 350 tokens per second.
Which model is cheaper to run?
Gemini Embedding 001 is cheaper at $0.03 per 1M tokens blended, compared with $0.04 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Gemini Embedding 001 has lower latency, with a time to first token of 0.15s compared with 0.20s.
Which model has a larger context window?
Gemini Embedding 2 has a larger context window, supporting 8.2K tokens compared with 2K tokens.
Вердикт
И Gemini Embedding 2 (Оптимально для семантического векторного поиска, индексации знаний и корпоративных систем RAG, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.), и Gemini Embedding 001 (Оптимально для семантического векторного поиска, индексации знаний и корпоративных систем RAG, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.) отлично подходят для продакшена: Gemini Embedding 2 лидирует в сложных тестах логики и кода, Gemini Embedding 001 обеспечивает более высокую скорость генерации, а Gemini Embedding 001 выгоднее при больших объёмах API-запросов.
Часто задаваемые вопросы (FAQ)
Что лучше для программирования и логики: Gemini Embedding 2 или Gemini Embedding 001?+
По сводному индексу интеллекта и тестам программирования лидирует Gemini Embedding 2. Подробные баллы SWE-bench и GPQA приведены в таблице выше.
У какой модели дешевле API — Gemini Embedding 2 или Gemini Embedding 001?+
Тариф Gemini Embedding 2 составляет $0.20 / $0.00 за 1 млн входных/выходных токенов, а Gemini Embedding 001 — $0.15 / $0.00. По смешанной стоимости выгоднее Gemini Embedding 001.
У какой модели больше окно контекста и выше скорость?+
Gemini Embedding 2 поддерживает контекст 8.2K токенов против 2K токенов у Gemini Embedding 001, а по скорости генерации токенов лидирует Gemini Embedding 001.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemini Embedding 001 против Llama Nemotron Embed VL 1B v2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Gemini Embedding 2 против Llama Nemotron Rerank VL 1B v2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Aion-Mini: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Gemini 3.6 Flash: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-Mini против Laguna XS 2.1: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aya Expanse 32B против Llama 3.2 90B Vision: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Официальные источники: Официальная документация API Google и Google, системные карточки и независимые бенчмарки (2026).