模型定位
Google 的原生多模態嵌入模型公開預覽版,基於 Gemini 架構,將不同類型的內容映射到同一向量空間;輸出為嵌入向量,而非生成式文字回答。於 2026 年 3 月 10 日發布,當時可透過 Gemini API 與 Vertex AI 使用。(blog.google)
能力與用途
- 支援文字、圖片、影片、音訊及 PDF,亦可在單一請求中交錯輸入多種模態;音訊可直接嵌入,無須先轉錄為文字。官方表示模型可捕捉超過 100 種語言的語意。(blog.google)
- 預設輸出 3,072 維向量,利用 Matryoshka Representation Learning 支援較低維度;官方建議使用 3,072、1,536 或 768 維,以平衡品質與儲存成本。(blog.google)
- 適用於跨模態語意搜尋、檢索增強生成(RAG)、分類、情緒分析及資料分群。(blog.google)
限制與版本
- 發布公告列出的上限包括:文字輸入 8,192 個 token、每次請求最多 6 張圖片、影片最長 120 秒、PDF 最多 6 頁。公告列出的圖片格式為 PNG、JPEG,影片格式為 MP4、MOV。實際限制可能因平台及版本而異。(blog.google)
- 本項目是預覽版
gemini-embedding-2-preview;Google Cloud 另列出正式版gemini-embedding-2,發布日期為 2026 年 4 月 22 日,兩者的模型 ID 不同。(docs.cloud.google.com)
價格
以下為 Google Cloud Agent Platform 官方頁面標示的 Gemini Embedding 2 統合式多模態預覽版美元(USD)價格,查詢日期:2026 年 11 月 16 日。各數值均為每 100 萬個輸入 token;輸出 token 不收費。(cloud.google.com)
| 輸入類型 | 線上請求 | 批次請求 |
|---|---|---|
| 文字 | US$0.20 | US$0.10 |
| 圖片 | US$0.45 | US$0.225 |
| 音訊 | US$6.50 | US$3.25 |
| 影片 | US$12.00 | US$6.00 |
此表為 Google Cloud 平台價格,不應直接視為其他平台或其他模型版本的報價。