上海
品玩3月11日訊，據 Neowin 報道，Google正式推出Gemini Embedding 2，這是其首款原生多模態嵌入模型，可將文本、圖像、視頻、音頻及文檔映射至統一的向量空間，實現跨模態語義理解。該模型支持100種語言，適用于語義搜索、分類、聚類及檢索增強生成（RAG）等下游任務。
與僅處理文本的初代模型不同，Gemini Embedding 2單次請求最多可處理8192個文本token、6張PNG/JPEG圖片、120秒MP4/MOV格式視頻、未轉錄的原始音頻，以及最多6頁的PDF文檔。Google表示，該模型能簡化復雜數據處理流程，并在法律電子取證等場景中顯著提升圖像、視頻與文本的檢索精度與召回率。
目前，Gemini Embedding 2（型號gemini-embedding-2-preview）已通過Gemini API和Vertex AI開放公測，面向開發者提供多模態能力支持。原有的文本專用模型gemini-embedding-001仍繼續可用。
此舉標志著Google在構建統一多模態AI基礎設施方面邁出關鍵一步，為企業級智能應用提供更高效的語義理解底座。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
