Google 推出 Gemini Embedding 2，这是该公司首个原生多模态嵌入模型，已于 3 月 10 日进入公开预览阶段。
核心能力
- 跨模态统一：单一模型覆盖文本、图像、视频、音频五种模态，无需分别调用多个嵌入模型
- Matryoshka 表示学习（MRL）：支持动态缩减向量维度，在精度和存储之间灵活平衡
- 8192 Token 上下文：支持长文档嵌入
- 100+ 语言：具备跨语言语义检索能力
访问方式
- Gemini API（模型名：
gemini-embedding-2-preview） - Vertex AI（通过 Google Cloud 访问）
为什么重要
此前多模态嵌入领域多由 Nomic、Jina、CLIP 衍生品主导，Google 以单一模型覆盖五种模态并提供 Gemini API 统一入口，将开发者构建多模态 RAG 系统的门槛大幅降低。价格具竞争力，有望成为新的行业基线。