Google: Gemini Embedding 2 (batch)

Google: Gemini Embedding 2 (batch) é um modelo de embeddings da Google. Está listado na api14 na categoria de embeddings, e a data de lançamento do fornecedor é 2026-05-20. A Google descreve-o como Gemini Embedding 2, o primeiro modelo de embeddings multimodal da empresa. Em vez de gerar respostas de conversa, produz representações vetoriais que armazena e compara, o que o torna um bloco de construção para sistemas de pesquisa e recuperação, em vez de um assistente com quem se fala.

O modelo aceita entradas de texto, imagem, ficheiro, áudio e vídeo, e a sua única modalidade de saída são embeddings. A descrição da Google afirma que o texto e as imagens são atualmente suportados para mapeamento num espaço vetorial unificado para pesquisa semântica e geração aumentada por recuperação (RAG), pelo que a lista mais ampla de entradas reflete o design multimodal do modelo, enquanto o mapeamento documentado abrange texto e imagens. A janela de contexto é de 8192 tokens, e a saída máxima é 7372. Como a saída é um vetor e não texto corrido, não há geração de texto para configurar ou ler de volta.

Essas capacidades apontam para alguns padrões práticos. A pesquisa semântica sobre um corpus misto é o mais direto: incorporar documentos e consultas no mesmo espaço e ordenar por similaridade, para que uma consulta de texto possa revelar imagens relevantes ou vice-versa. Os pipelines de RAG usam a mesma propriedade, incorporando blocos no momento da indexação e a pergunta do utilizador no momento da consulta, para que um gerador possa receber as passagens mais próximas. Como ficheiros, áudio e vídeo estão listados como entradas aceites, as equipas que trabalham com multimédia mais rica podem conseguir incorporar esse conteúdo diretamente em vez de escrever primeiro um passo separado de transcrição ou legendagem, embora a descrição atual da Google só se comprometa com texto e imagens.

Chamá-lo através da api14 funciona como qualquer outro modelo no gateway, usando a API compatível com OpenAI com o id de modelo "google/gemini-embedding-2:batch". O sufixo batch indica que esta variante se destina a trabalho de embeddings em lote. A lista de parâmetros suportados está vazia, pelo que não há opções de pedido extra para definir além dos campos de pedido padrão que o endpoint espera. Envia a sua entrada, recebe embeddings de volta, e trata do armazenamento e da comparação de similaridade do seu lado.

A principal restrição a ponderar é a janela de contexto de 8192 tokens. Documentos longos precisam de ser divididos em blocos antes da incorporação, o que é normal para trabalho de recuperação, mas acrescenta um passo de divisão em blocos ao seu pipeline. Se a sua tarefa é gerar texto em vez de o representar como vetores, um modelo de embeddings é a ferramenta errada e um modelo de conversa ou de conclusão será mais adequado. Se as suas entradas forem sobretudo áudio ou vídeo e precisar de suporte garantido em vez de uma modalidade listada, verifique esse comportamento antes de se comprometer, uma vez que a descrição da Google atualmente nomeia texto e imagens.