モデル詳細

Gemini Embedding 2 Preview は、Google 初のマルチモーダル埋め込みモデルです。現在、テキストと画像を統一されたベクトル空間にマッピングして、意味検索と検索拡張生成 (RAG) をサポートしています。入力コンテキストは最大 8,192 トークンまで、出力次元は 128 から 3,072 まで柔軟に設定できます (推奨: 768、1536、または 3,072)。 クロスモーダルな類似性を考慮して設計されているため、テキストクエリを埋め込んで最も関連性の高い画像を取得したり、その逆も可能です。そのため、マルチモーダル検索、レコメンデーション、および文書理解のパイプラインに最適です。