Gemini Embedding 2

Gemini Embedding 2 是 Google 的嵌入生成模型，非常适合复杂的检索和分析任务。

Gemini Embedding 2 接受多模态输入，以生成 3072 维向量。它接受图片、文本、文档、音频和视频输入，并将生成的向量在语义上映射到统一的语义空间中。这样，您就可以执行各种任务，例如根据文本说明搜索图片。

Gemini Embedding 2 引入了多项功能，以优化嵌入质量和灵活性：

  • 自定义任务说明： 通过指定任务说明（例如 task:code retrieval 或 task:search result），针对预期关系优化嵌入，并检索更准确的结果以实现特定目标。

  • 可调整的结果大小： 该模型默认生成 3072 维浮点向量。不过，您可以通过指定 output_dimensionality 参数来检索维度较小的输出。

  • 文档 OCR： 从文档输入中读取 OCR。

  • 音轨提取： 从视频输入中提取音轨，并将其与视频帧交错。

如需详细了解如何使用 Gemini Embedding 2，请参阅获取 多模态嵌入。

查看价格

模型 ID gemini-embedding-2
模态
Text Input only
Image Input only
Audio Input only
Video Input only
Embeddings Output only
token 数量上限 输入 token 数上限 8,192
输出 token 数上限 不适用
输出维度 最多 3,072 个（支持 MRL）
最大序列长度 8,192 个 token
使用选项
技术规范 文本
  • 输入 token 数上限： 8,192
  • 每个提示的文件数量上限： 1
  • 每个文件的页数上限（对于 PDF）： 6
  • 每个文件的文件大小上限： 不适用
  • 适用于扫描版 PDF 的 OCR： 默认不使用
  • 支持的 MIME 类型：
    text/plain、application/pdf
图片
  • 每个提示的图片数量上限： 6
  • 内嵌数据或通过控制台直接上传的每个文件的文件大小上限： 无限制
  • Google Cloud Storage 中每个文件的文件大小上限： 无限制
  • 每个提示的输出图片数量上限： 不适用
  • 支持的 MIME 类型：
    image/png、image/jpeg、image/webp、image/bmp、image/heic、image/heif、image/avif
视频
  • 视频时长上限（包含音频）： 80 秒
  • 视频时长上限（不含音频）： 120 秒
  • 每个提示的视频数量上限： 1
  • 支持的 MIME 类型：
    video/mpeg、video/mp4
音频
  • 每个提示的音频长度上限： 180 秒
  • 每个提示的音频文件数量上限： 1
  • 支持的 MIME 类型：
    audio/mp3、audio/wav
支持的区域

模型可用性

  • 全球： global
  • 美国多区域： us
  • 欧洲多区域： eu
知识截点日期 2025 年 11 月
版本
  • gemini-embedding-2
    • 发布阶段：正式版
    • 发布日期：2026 年 4 月 22 日
  • gemini-embedding-2-preview
    • 发布阶段：公开预览版
    • 发布日期：2026 年 3 月 10 日