谷歌推出首个原生多模态嵌入模型 Gemini Embedding 2，支持多类型数据处理

谷歌近日发布全新 Gemini Embedding 2 模型，这是其首个原生多模态嵌入模型。与生成式模型不同，该模型专注于数据理解，可将文本、图像、视频、音频和文档转换为机器可读的向量形式，支持 100 种语言的语义意图识别。

该模型支持多种数据类型处理：文本上下文窗口最高 8192 tokens，图像一次最多 6 张，视频最长 120 秒等。应用场景包括检索增强生成、语义搜索、情感分析等，例如诉讼取证中可快速找到关键证据，提升检索精度。目前已通过 Gemini API 和 Vertex AI 提供公开预览。