Gemini Embedding 2

Oversigt. Gemini Embedding 2 er Googles multimodale embeddingmodell, bygget til at omdanne tekst, billeder, lyd, video og dokumenter til ét fælles vektorrum. Den betjenes udelukkende gennem Gemini API og Vertex AI som en proprietær model med lukkede vægte. Udviklere, der bygger søge- eller hentningssystemer med behov for at sammenligne indhold på tværs af forskellige medietyper i ét inferenskald, vil vælge denne model frem for at sammensætte separate embeddingmodeller per modalitet.

Vigtigste styrker. Modellen accepterer fem forskellige typer inddata — tekst, billede, lyd, video og dokument — i et enkelt kald og indlejrer dem i ét sammenligneligt vektorrum, hvilket er usædvanligt for embeddingmodeller, der typisk kun håndterer én modalitet. Den understøtter justerbare dimensioner for uddata via Matryoshka Representation Learning, med en standard på 3.072 dimensioner, som kan reduceres i tilfælde, hvor lagerplads eller søgehastighed prioriteres over maksimal præcision. Grænsen for inddata på 8.192 tokens er rummelig nok til typiske tekststykker, produktbeskrivelser eller bidder af dokumenter på flere sider.

Anvendelsesområder. Brug denne model, når du bygger behandlingskæder til semantisk søgning, anbefalinger eller Retrieval-Augmented Generation (RAG), der skal sammenligne indhold med blandede medier — for eksempel ved at ramme en tekstforespørgsel mod en samling af PDF'er, billeder eller lydklip — i ét embeddingrum. Den passer godt til løsninger på Google Cloud, der allerede bruger Vertex AI, og de justerbare dimensioner for uddata gør den velegnet, når du skal afveje vektorstørrelse mod præcision i et stort indeks. Det er ikke en generativ model, så den bør ikke vælges til opgaver, der kræver generering af tekst, kode eller strukturerede svar.

Begrænsninger. Grænsen for inddata på 8.192 tokens betyder, at meget lange dokumenter skal deles op før embedding. Google har ikke oplyst antallet af parametre, hvor træningsdataene slutter, eller detaljer om arkitekturen for denne model, og den er kun tilgængelig som et API drevet af leverandøren på Gemini API/Vertex AI uden mulighed for at køre selv eller vælge en model med åbne vægte. Som en embeddingmodellager den kun numeriske vektorer — den har ingen funktioner til streaming, verktøjskald eller struktureret uddata.

Bemærkning om suverænitet. Gemini Embedding 2 er skabt af Google og betjenes gennem Googles egen Gemini API- og Vertex AI-infrastruktur. De tilgængelige undersøgelser specificerer ikke muligheder for dataplacering eller om modellen er underlagt CLOUD Act, så der kan ikke gives garantier om suverænitet ud over oplysningen om modelskaberen.