Google: Gemini Embedding 2 Preview

Google: Gemini Embedding 2 Preview es un modelo de embeddings de Google, publicado bajo el id de modelo google/gemini-embedding-2-preview. Se sitúa en la categoría de embeddings y Google lo describe como su primer modelo de embeddings multimodal. Es una versión preliminar, lo cual vale la pena tener en cuenta si planeas depender de él en producción.

El modelo acepta texto, imagen, archivo, audio y vídeo como entrada, y produce embeddings como su única salida. Su longitud de contexto es de 8192 tokens, y la salida máxima es de 7372. La descripción de Google indica que actualmente se admiten texto e imágenes para mapearlos en un espacio vectorial unificado, que es la parte de la lista de entradas multimodales que está cubierta explícitamente hoy.

Esa combinación apunta a la búsqueda semántica y a la generación aumentada por recuperación, los dos usos que Google menciona en su descripción. Puedes generar embeddings de documentos y consultas para que un almacén vectorial recupere pasajes por significado en lugar de por palabra clave, y puedes alimentar los pasajes recuperados a un modelo de generación para fundamentar sus respuestas. Como las imágenes pueden mapearse en el mismo espacio vectorial que el texto, también se deduce la recuperación transmodal: indexar imágenes junto con texto y buscar en ambos con una sola consulta. La lista más amplia de entradas (archivo, audio, vídeo) sugiere hacia dónde se dirige el modelo, pero la compatibilidad declarada es texto e imágenes, así que trátalos como las entradas fiables por ahora.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo google/gemini-embedding-2-preview, de la misma manera en que llamarías a cualquier otro endpoint de embeddings, por lo que las bibliotecas de cliente de OpenAI existentes y las rutas de código funcionan sin cambios. El modelo no enumera parámetros compatibles más allá de lo básico de la solicitud, así que mantén tus llamadas simples y evita asumir opciones de ajuste que no están documentadas.

Dos puntos prácticos. El contexto de 8192 tokens limita cuánto texto puedes incrustar en una sola llamada, por lo que los documentos largos necesitan fragmentación antes de generar los embeddings. Y como este es un modelo preliminar, si necesitas un objetivo de embeddings estable y a largo plazo, un modelo de embeddings que no sea preliminar puede ser la opción más segura.