Gemini Embedding 2

Oversikt. Gemini Embedding 2 er Googles multimodale innbyggingsmodell, bygget for å gjøre tekst, bilder, lyd, video og dokumenter om til ett felles vektorrom. Den betjenes utelukkende gjennom Gemini API og Vertex AI som en proprietær modell med lukkede vekter. Utviklere som bygger søke- eller gjenfinningssystemer og trenger å sammenligne innhold på tvers av ulike medietyper i én inferensforespørsel, vil velge denne modellen fremfor å sette sammen separate innbyggingsmodeller per modalitet.

Viktigste styrker. Modellen tar imot fem ulike inndatatyper – tekst, bilder, lyd, video og dokumenter – i ett enkelt kall og bygger dem inn i ett felles vektorrom som kan sammenlignes direkte. Dette er uvanlig for innbyggingsmodeller, som typisk håndterer én modalitet. Den støtter justerbar utdatadimensjonalitet via Matryoshka Representation Learning, med standard 3 072 dimensjoner, men kan reduseres for tilfeller der lagringsavtrykk eller oppslagshastighet veier tyngre enn maksimal presisjon. Grensen på 8 192 token for inndata er romslig nok for typiske tekstpassasjer, produktbeskrivelser eller flersidig dokumentoppdeling.

Når du bør bruke den. Bruk denne modellen når du bygger behandlingskjeder for semantisk søk, anbefalinger eller gjenfinningsforsterket generering som trenger å sammenligne innhold av ulike medietyper – for eksempel å matche en tekstforespørsel mot et korpus med PDF-er, bilder eller lydklipp – innenfor ett felles vektorrom. Den passer godt på Google Cloud-oppsett som allerede bruker Vertex AI, og den justerbare utdatadimensjonaliteten gjør den egnet når du trenger å avveie vektorstørrelse mot gjenfinningspresisjon for en stor indeks. Den er ikke en generativ modell, og bør ikke brukes når oppgaven krever at det produseres tekst, kode eller strukturerte svar.

Begrensninger. Grensen på 8 192 token for inndata betyr at svært lange dokumenter må deles opp før innbygging. Google har ikke oppgitt antall parametere, når treningsdataene slutter, eller arkitekturdetaljer for denne modellen. Den er kun tilgjengelig som et hostet API via Gemini API/Vertex AI, uten mulighet for selvhosting eller åpne vekter. Som innbyggingsmodell produserer den bare numeriske vektorer – den har ingen strømming, verktøykall eller strukturert utdata.

Suverenitetsnotat. Gemini Embedding 2 er laget av Google og betjenes gjennom Googles egne Gemini API og Vertex AI-infrastruktur. Tilgjengelig forskning spesifiserer ikke alternativer for datalokasjon eller CLOUD Act-eksponering for denne modellen, og det kan derfor ikke gjøres noen suverenitetspåstand utover hvem som er modellskaper.