Courtesy of TechCrunch
Ikhtisar 15 Detik
- Gemini Embedding adalah model embedding baru dari Google yang menawarkan pemahaman bahasa yang lebih baik.
- Model ini dapat menangani lebih banyak teks dan mendukung lebih dari 100 bahasa.
- Google berencana untuk merilis versi stabil dari Gemini Embedding dalam beberapa bulan ke depan.
Pada hari Jumat, Google meluncurkan model baru yang disebut Gemini Embedding dalam API pengembang Gemini. Model ini digunakan untuk mengubah kata-kata dan frasa menjadi representasi angka yang disebut embedding, yang dapat menangkap makna dari teks tersebut. Embedding ini berguna dalam berbagai aplikasi, seperti pencarian dokumen dan klasifikasi, karena dapat mengurangi biaya dan meningkatkan kecepatan. Model Gemini Embedding adalah yang pertama kali dilatih menggunakan model AI Gemini milik Google dan diklaim memiliki pemahaman bahasa yang lebih baik.
Google menyatakan bahwa Gemini Embedding lebih baik dibandingkan model embedding sebelumnya, yaitu text-embedding-004, dan dapat menangani lebih banyak teks sekaligus serta mendukung lebih dari 100 bahasa. Saat ini, Gemini Embedding masih dalam fase eksperimen dengan kapasitas terbatas dan akan terus diperbaiki sebelum dirilis secara umum dalam beberapa bulan ke depan.
Pertanyaan Terkait
Q
Apa itu Gemini Embedding?A
Gemini Embedding adalah model embedding baru yang dikembangkan oleh Google untuk menerjemahkan input teks menjadi representasi numerik.Q
Apa fungsi dari model embedding?A
Model embedding digunakan untuk berbagai aplikasi seperti pengambilan dokumen dan klasifikasi, serta dapat mengurangi biaya dan meningkatkan latensi.Q
Siapa yang mengembangkan Gemini Embedding?A
Gemini Embedding dikembangkan oleh Google sebagai bagian dari keluarga model AI Gemini.Q
Apa keunggulan Gemini Embedding dibandingkan model sebelumnya?A
Gemini Embedding mengungguli model sebelumnya, text-embedding-004, dalam kinerja dan dapat menerima lebih banyak teks serta mendukung lebih banyak bahasa.Q
Dalam fase apa Gemini Embedding saat ini?A
Gemini Embedding saat ini berada dalam fase eksperimental dengan kapasitas terbatas dan sedang dalam pengembangan untuk rilis yang lebih stabil.