Google 宣布 Gemini Embedding 2 正式通过 Gemini API 和 Vertex AI 对外提供，预览期内已被用于电商检索与视频分析等多模态原型。该向量嵌入以原生多模态能力为特色，旨在简化跨文本、图像、视频和音频的检索与推理管道，提升从原型到生产的稳定性与优化。
- 概要
- Gemini Embedding 2 已进入一般可用（GA），可通过 Gemini API 和 Vertex AI 访问。
- 特性与定位
- 原生多模态嵌入：同时支持文本、图像、视频、音频的联合表示，降低构建跨模态检索/推理系统的复杂度。
- 生产就绪：在预览期间展示了多种原型（如高级电商发现、视频分析工具），GA 版本提供稳定性与性能优化，便于迁移到生产环境。
- 适用场景
- 多模态搜索与检索（跨文本/图像/视频/音频）
- 内容理解与聚合（如电商推荐、媒体分析）
- 简化以往需多套管线才能完成的任务
- 可获取方式
- 通过 Gemini API 直接调用
- 在 Vertex AI 中集成使用，便于在 Google Cloud 上部署与扩展
- 说明与影响
- 作为支撑多项 Google 产品的核心技术，GA 版本将研究成果向开发者社群开放，推动多模态应用落地。
原生多模态嵌入让跨媒体检索与推理更简单，但实际效果与成本仍需在大规模生产场景检验。