Google: Gemini Embedding 2 (batch)

Google: Gemini Embedding 2 (batch) è un modello di embedding di Google. È elencato su api14 nella categoria embeddings, e la sua data di rilascio del provider è 2026-05-20. Google lo descrive come Gemini Embedding 2, il primo modello di embedding multimodale dell'azienda. Anziché generare risposte in chat, produce rappresentazioni vettoriali che si memorizzano e si confrontano, il che lo rende un elemento costitutivo per i sistemi di ricerca e recupero, piuttosto che un assistente con cui parlare.

Il modello accetta input di testo, immagini, file, audio e video, e la sua unica modalità di output è embeddings. La descrizione di Google afferma che testo e immagini sono attualmente supportati per la mappatura in uno spazio vettoriale unificato per la ricerca semantica e la generazione aumentata dal recupero (RAG), quindi l'elenco più ampio di input riflette il design multimodale del modello, mentre la mappatura documentata copre testo e immagini. La finestra di contesto è di 8192 token, e l'output massimo è 7372. Poiché l'output è un vettore e non prosa, non c'è generazione di testo da configurare o da rileggere.

Queste capacità indicano alcuni schemi pratici. La ricerca semantica su un corpus misto è quella più diretta: incorporare documenti e query nello stesso spazio e classificare per similarità, così una query testuale può far emergere immagini pertinenti o viceversa. Le pipeline RAG usano la stessa proprietà, incorporando i chunk al momento dell'indicizzazione e la domanda dell'utente al momento della query, così che a un generatore possano essere passati i passaggi più vicini. Poiché file, audio e video sono elencati come input accettati, i team che lavorano con media più ricchi potrebbero essere in grado di incorporare quel contenuto direttamente, invece di scrivere prima un passaggio separato di trascrizione o didascalia, anche se l'attuale descrizione di Google garantisce solo testo e immagini.

Chiamarlo tramite api14 funziona come qualsiasi altro modello sul gateway, usando l'API compatibile con OpenAI con l'id del modello "google/gemini-embedding-2:batch". Il suffisso batch indica che questa variante è pensata per il lavoro di embedding in batch. L'elenco dei parametri supportati è vuoto, quindi non ci sono opzioni di richiesta extra da impostare oltre ai campi di richiesta standard che l'endpoint si aspetta. Si invia l'input, si ricevono gli embeddings indietro, e si gestiscono archiviazione e confronto di similarità dal proprio lato.

Il vincolo principale da valutare è la finestra di contesto di 8192 token. I documenti lunghi devono essere suddivisi in chunk prima dell'embedding, il che è normale per il lavoro di recupero, ma aggiunge un passaggio di chunking alla pipeline. Se il tuo compito è generare testo anziché rappresentarlo come vettori, un modello di embeddings è lo strumento sbagliato e un modello di chat o completion si adatterà meglio. Se i tuoi input sono per lo più audio o video e hai bisogno di un supporto garantito anziché di una modalità elencata, verifica quel comportamento prima di impegnarti, poiché la descrizione di Google attualmente nomina testo e immagini.