Gemini Embedding est un modèle d'intégration de texte expérimental lancé par Google, accessible via l'API Gemini. Ce modèle a démontré d'excellentes performances dans les tests de référence d'intégration de texte multilingue (MTEB), surpassant les modèles de pointe précédents. Il peut convertir du texte en vecteurs numériques de haute dimension, capturant les informations sémantiques et contextuelles, et est largement utilisé dans des scénarios tels que la recherche, la classification et la détection de similarité. Gemini Embedding prend en charge plus de 100 langues, possède une longueur de jeton d'entrée de 8 000 et une dimension de sortie de 3 000, et intègre la technique d'apprentissage de représentation imbriquée (MRL), permettant d'ajuster la dimension de manière flexible pour répondre aux besoins de stockage. Ce modèle est actuellement en phase expérimentale et une version stable sera lancée ultérieurement.