来源：Google Gemini API Embeddings 官方文档，https://ai.google.dev/gemini-api/docs/embeddings。
【文档事实】官方文档介绍了 Gemini API 的 Embeddings 功能：它可以把文本内容转换为数值向量，即 embedding。文档说明，这类向量表示可用于衡量文本之间的语义相似性，并支持检索、分类、聚类等常见应用场景。文档中的示例展示了通过 Gemini API 调用 embedding 模型生成文本向量，示例模型名称包括 models/gemini-embedding-001。
【文档事实】官方文档还展示了在不同开发环境中调用 embeddings 的方式，例如通过 SDK 或 REST 请求生成 embedding。文档围绕“输入文本并返回向量表示”的基本流程展开，而不是提供价格、性能基准或第三方评测结论。
【编辑解读】从产品使用角度看，Gemini Embedding 的核心价值在于把自然语言内容映射到可计算的向量空间，使应用能够进行语义级匹配，而不只是关键词匹配。对于 LingjingHub 的模型频道读者，这意味着它更适合作为搜索、推荐、知识库召回、文本聚类或语义去重等系统中的基础组件，而不是直接面向终端用户的对话模型。
【编辑解读】由于本文仅依据官方文档，不能据此推断其相对其他 embedding 模型的效果、成本优势、上线时间或市场定位。若用于生产系统，仍需要结合实际语料、延迟、成本、召回质量和安全要求进行独立评估。