模型定位
Google 基于 Gemini 架构推出的原生多模态嵌入模型。它将文本、图像、视频、音频和文档映射到统一向量空间,输出嵌入向量,而非生成式回答。公开预览版于 2026 年 3 月 10 日发布,最初通过 Gemini API 和 Vertex AI 提供。(blog.google)
能力与用途
- 支持混合输入多种模态,并支持 100 多种语言的语义表示;音频可以直接嵌入,无需先转写为文本。
- 默认输出 3,072 维向量,支持通过 Matryoshka Representation Learning 调整维度;Google 推荐 3,072、1,536 和 768 维。
- 适用于跨模态语义搜索、文档检索、检索增强生成(RAG)、分类、情感分析和聚类等场景。(blog.google)
限制与状态
- 发布公告列出的输入限制包括:文本最多 8,192 个 token;每次请求最多 6 张 PNG 或 JPEG 图像;视频最多 120 秒;PDF 最多 6 页。实际限制可能因平台及后续版本而异,应以对应平台文档为准。(blog.google)
- 正式版
gemini-embedding-2于 2026 年 4 月 22 日发布。Gemini API 已弃用预览版;自 2026 年 11 月 6 日起,发往预览版 ID 的请求会转至正式版并按正式版费率计费。Google 建议将模型 ID 更新为正式版,并表示两者使用相同的 API 结构、价格和嵌入空间,无需重新建立向量索引。此路由说明针对 Gemini API,其他平台的可用性需另行核实。(aistudio.google.com)
价格
以下为 Gemini Developer API 的美元(USD)报价,查询日期为 2026 年 11 月 16 日。根据官方更新日志,当前预览版 ID 的请求按正式版 gemini-embedding-2 费率计费。(aistudio.google.com)
| 输入类型 | 标准付费,每百万输入 token | 批处理付费,每百万输入 token |
|---|---|---|
| 文本 | $0.20 | $0.10 |
| 图像 | $0.45 | $0.225 |
| 音频 | $6.50 | $3.25 |
| 视频 | $12.00 | $6.00 |
官方同时给出图像、音频和视频的参考单位价格:标准请求分别为每张图像 $0.00012、每秒音频 $0.00016、每帧视频 $0.00079;批处理分别为 $0.00006、$0.00008 和 $0.000395。标准模式有免费层,批处理没有免费层;具体配额及条件以官方页面为准。Gemini API 定价表未单独列出输出向量费用;Google Cloud 的预览版定价页注明不收输出 token 费用,两平台账单条件应分别核对。(aistudio.google.com)
Google Cloud 定价页另将 **Gemini Embedding 2(统一多模态,预览版)**列为在线及批处理请求,输入费率与上表相同,单位同为每百万输入 token(USD);该报价不应视为 Gemini API 套餐。查询日期:2026 年 11 月 16 日。(cloud.google.com)