1xAi
همهٔ مدل‌هاMODEL · GEMINI 2
EMBEDDING · GEMINI 2

قیمت API gemini-embedding-2 به تومانجمنای

مدل embedding از خانواده Gemini 2 برای جست‌وجوی معنایی و RAG

[01]DESCRIPTION

معرفی.

gemini-embedding-2 مدل embedding گوگل است؛ خروجی آن به جای متن، بردار عددی است. برای جست‌وجوی معنایی، خوشه‌بندی، طبقه‌بندی و ساخت پایپ‌لاین‌های RAG روی پایگاه‌داده‌های برداری استفاده می‌شود. فراخوانی از طریق endpoint استاندارد /v1/embeddings انجام می‌شود و با کلاینت‌های سازگار با OpenAI کار می‌کند.

پنجره ورودی آن ۸۱۹۲ توکن است، یعنی متن‌های طولانی‌تر را باید پیش از ارسال chunk کنید. تخفیف cached input برای این مدل اعمال نمی‌شود.

[02]USE CASESکاربردها

برای چه چیزی خوب است.

★ مناسب برای
  • جست‌وجوی معنایی و RAG
  • خوشه‌بندی و طبقه‌بندی متن
  • ایندکس‌گذاری در vector database
× ضعف‌ها
  • تولید یا خلاصه‌سازی متن — خروجی فقط بردار است
  • ورودی‌های بلندتر از ۸۱۹۲ توکن بدون chunking
[03]SPECSمشخصات

جزئیات.

سرویس‌دهنده
Google
خانواده
Gemini 2
پنجرهٔ context
۸٬۱۹۲ توکن
استریم
خیر
اندپوینت‌ها
/v1/embeddings
معرفی
به‌صورتِ خودکار از مشخصاتِ منتشرشدهٔ مدل نوشته شده — بدون ادعای بنچمارک.
[04]QUICKSTARTشروع سریع

یک مثالِ کوتاه.

کافی است را به تنظیم کنی و کلیدِ بومی‌ات را از داشبورد بگیری.

مستنداتِ کامل
Python · OpenAI SDK
from openai import OpenAI

client = OpenAI(
    base_url="https://1xai.ir/v1",
    api_key="1xai-...",
)

resp = client.chat.completions.create(
    model="gemini-embedding-2",
    messages=[{"role": "user", "content": "سلام"}],
)
print(resp.choices[0].message.content)
[05]FAQپرسش‌های متداول

سوال‌های رایج.

دربارهٔ و استفاده‌اش از داخل ایران.

قیمت gemini-embedding-2 برای کاربران ایرانی چقدر است؟

هزینهٔ هر ۱ میلیون توکن ۵۴٬۸۶۴ تومان است — قیمتِ رسمیِ Google به‌اضافهٔ ۲۰٪ مارک‌آپِ 1xAi. نرخِ دلار هر روز ساعتِ ۹ صبح با بازار همگام می‌شود.

آیا می‌توانم gemini-embedding-2 را بدون VPN از داخل ایران استفاده کنم؟

بله. کافی است base_url کلاینتِ OpenAI خود را به https://1xai.ir/v1 تغییر دهید و کلیدِ بومیِ 1xAi را جایگزین کنید. هیچ VPN، پروکسی، یا تنظیمِ شبکه‌ای لازم نیست. مدلِ gemini-embedding-2 مستقیماً از طریقِ زیرساختِ 1xAi در دسترس است.

gemini-embedding-2 برای چه کارهایی مناسب‌تر است؟

مدل embedding از خانواده Gemini 2 برای جست‌وجوی معنایی و RAG بهترین کاربردها: جست‌وجوی معنایی و RAG، خوشه‌بندی و طبقه‌بندی متن، ایندکس‌گذاری در vector database.

gemini-embedding-2 در چه کارهایی ضعیف است؟

این مدل برای: تولید یا خلاصه‌سازی متن — خروجی فقط بردار است، ورودی‌های بلندتر از ۸۱۹۲ توکن بدون chunking مناسب نیست. در این موارد مدلِ دیگری از خانوادهٔ Gemini 2 یا مدلِ تخصصی‌تری انتخاب کنید.

پنجرهٔ context مدلِ gemini-embedding-2 چقدر است؟

این مدل تا ۸۱۹۲ توکن را در یک درخواست می‌پذیرد. این محدودیت شامل پیامِ ورودی، تاریخچهٔ گفتگو، و پاسخِ مدل می‌شود.

چگونه با کارت ایرانی هزینهٔ gemini-embedding-2 را پرداخت کنم؟

از طریق درگاهِ زرین‌پال در داشبوردِ 1xAi شارژ کنید. هر کارتِ بانکیِ شتاب قابل قبول است. حداقل ۱۰۰هزار تومان و حداکثر ۲۵میلیون تومان در هر تراکنش.

SEE ALSOبقیهٔ مدل‌ها
مدل ۱ از ۲

فراتر از مدل‌های متنی، با همان کلید و همان کیفِ پولِ تومانی API تبدیل گفتار به متن فارسی (Whisper) و API تولید عکس با هوش مصنوعی هم در دسترس‌اند.