Google: Gemini Embedding 001 (batch)
google/gemini-embedding-001:batch
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
google/gemini-embedding-001:batch es un modelo de Google que convierte texto en embeddings, listado en el catálogo de OpenRouter como una variante por lotes de gemini-embedding-001. Acepta texto y devuelve vectores de embeddings, con una ventana de contexto declarada de unos 20.000 tokens. La descripción del catálogo lo presenta como un modelo unificado para dominios como ciencia, derecho, finanzas y programación, y afirma una posición destacada en el Massive Text Embedding Benchmark; se trata de descripciones del proveedor, no de mediciones verificadas en este paquete de fuentes. No se dispuso de una ficha de modelo independiente.[1]
Puntos fuertes
- Modalidad de entrada de texto y salida de embeddings con una ventana de contexto de unos 20.000 tokens según el catálogo, lo que podría acomodar documentos y pasajes extensos.[1]
- El catálogo de OpenRouter describe el modelo subyacente como unificado en dominios como ciencia, derecho, finanzas y programación, lo que sugiere una cobertura amplia y no una sola especialidad.[1]
- La descripción del catálogo reporta una posición destacada y sostenida en el Massive Text Embedding Benchmark; es una afirmación de la fuente, no un resultado medido en este paquete.[1]
Limitaciones
- La evidencia proviene solo del catálogo: este paquete no incluyó una ficha de modelo independiente ni especificaciones de los embeddings, como la dimensionalidad o los idiomas admitidos.[1]
- La afirmación sobre el Massive Text Embedding Benchmark y la cobertura por dominios proceden de la descripción del catálogo y no se midieron aquí; los parámetros admitidos figuran vacíos y el comportamiento específico del modo por lotes no está documentado, por lo que conviene validar calidad y rendimiento en cargas de trabajo propias.[1]
- El texto de la descripción del catálogo aparece truncado, por lo que algunas capacidades declaradas podrían estar incompletas.[1]
Dónde utilizarlo
- Búsqueda semántica y generación aumentada por recuperación sobre textos largos, donde la amplia ventana de contexto podría reducir la necesidad de fragmentar; evalúe la recuperación con sus propios datos antes de adoptarlo.[1]
- Agrupamiento, clasificación o deduplicación de documentos en los dominios que nombra el catálogo, como textos jurídicos o científicos, como candidato a pilotear más que como ajuste demostrado.[1]
- Canalizaciones de embeddings por lotes para corpus grandes, acordes con la variante listada, siempre que el rendimiento y el comportamiento de indexación se verifiquen en pruebas.[1]
Fuentes
- [1] OpenRouter catalog · Google: Gemini Embedding 001 (batch)Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
gemini-embedding-001 provides a unified cutting edge experience across domains, including science, legal, finance, and coding. This embedding model has consistently held a top spot on the Massive Text Embedding Benchmark...
Especificaciones
- ID del modelo
- google/gemini-embedding-001:batch
- ID canónico
- google/gemini-embedding-001
- Creador
- Añadido a OpenRouter
- 31.10.2025
- Longitud de contexto
- 20,000
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.075 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| 20,000 | $0.075 | $0 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.