谷歌近日正式推出其首款原生多模態嵌入模型——Gemini Embedding 2，該模型突破傳統文本處理邊界，首次實現文本、圖像、視頻、音頻及文檔的統一向量空間映射。這一技術突破標志著人工智能在跨模態語義理解領域邁出關鍵一步，為復雜數據場景下的智能應用提供全新解決方案。
與專注于內容生成的Gemini 3等模型不同，嵌入模型的核心價值在于數據解析能力。通過將非結構化數據轉化為數學向量，該技術使機器能夠精準捕捉語義關聯。例如在法律文書檢索場景中，系統可同時分析監控視頻畫面、通話錄音片段與文字記錄，快速定位關鍵證據。測試數據顯示，在處理數百萬條多模態數據時，新模型將檢索準確率提升23%，視頻內容召回率提高41%。
該模型支持100種語言的語義意圖識別，并設定了明確的技術邊界：文本處理上下文窗口達8192個token，圖像支持單次6張PNG/JPEG格式文件，視頻可處理120秒內的MP4/MOV素材，音頻數據無需轉錄即可直接分析，PDF文檔則限定在6頁以內。這種設計既保證處理效率，又確保多模態數據的協同分析效果。
在技術實現層面，谷歌通過創新的多模態編碼架構，使不同類型數據在向量空間保持語義一致性。這種特性使得"圖片+文字描述"的混合檢索成為可能，例如在電商場景中，用戶可用自然語言結合產品圖片進行精準搜索。該模型已開放Gemini API和Vertex AI預覽接口，開發者可將其集成至語義搜索、情感分析、數據聚類等應用場景。
為滿足不同用戶需求，谷歌保留了舊版gemini-embedding-001模型，繼續為純文本處理場景提供服務。新模型則通過多模態融合能力，為智能客服、數字取證、多媒體內容管理等領域開辟新的技術路徑。法律行業測試表明，在處理復雜訴訟材料時，多模態嵌入技術使關鍵證據定位時間縮短67%，顯著提升辦案效率。
