Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.

O modelo converte texto em vetores numéricos: usados para construir busca semântica, pipelines de RAG, clustering e desduplicação, classificação de tickets e recomendações. O contexto de até 20.000 tokens permite vetorizar grandes fragmentos de documentos inteiros, sem dividi-los em partes pequenas, e o modo BATCH é conveniente para indexação em massa da base.

Na saída, você não recebe texto, mas um array de números — um vetor de comprimento fixo para cada fragmento. A resposta chega em JSON via API compatível com OpenAI e é inserida diretamente em bancos de dados vetoriais como Qdrant ou pgvector, sem conversão intermediária de formatos.

Não há um modo de raciocínio separado indicado em nossos dados, e a tarefa do modelo é outra: ele não escreve respostas, mas retorna vetores. Construa a lógica de inferência em um modelo de texto, ao qual você passa os fragmentos encontrados via embeddings — alternar para ele na mesma API é simples.

Não há indicações sobre chamada de funções ou esquemas de saída estruturada em nossos dados. No entanto, a resposta do embedding já chega como um JSON estruturado com um array de vetores, então um modo separado geralmente não é necessário. Se precisar de ferramentas e esquemas rígidos, conecte um modelo de texto usando a mesma chave.

Não há indicação de aceitação de nada além de texto em nossos dados, portanto, planeje seu pipeline com fragmentos de texto: transcrições, fala reconhecida, descrições e legendas de arquivos. Para trabalhar com imagens, áudio e vídeo, utilize os modelos especializados do BotHub — a integração e o acesso permanecem os mesmos.

Os modelos da família Gemini são projetados para corpora multilíngues, mas não há características linguísticas específicas em nossos dados, portanto, avalie a qualidade em seus próprios documentos: reúna um conjunto de consultas típicas e verifique a relevância dos resultados. O acesso ao modelo a partir da Rússia é feito sem VPN ou cartão estrangeiro, com pagamento em rublos.