IT之家 3 月 11 日消息，北京时间今天凌晨，谷歌发布了全新 Gemini Embedding 2 模型。这是谷歌首个原生多模态嵌入模型，可以把文本、图像、视频和文档映射到同一个嵌入空间。嵌入模型与生成式模型不同。Gemini 3 等生成式模型主要用于生成内容，而嵌入模型用于理解数据。嵌入模型会把文本、图像或视频转换为向量等数学形式，方便机器读取和分析。通过语义搜索、分类和聚类等方式，此类模型可以理解语义关系，因此往往比传统关键词检索提供更准确、更具上下文的信息。据IT之家了解，谷歌最早推出的 Embedding 模型只支持文本。Gemini Embedding 2 则支持文本、图像、视频、音频和文档，并能在 100 种语言中识别语义意图。不同数据类型的处理限制如下：文本：上下文窗口最高 8192tokens图像：每次请求最多 6 张，支持 PNG 和 JPEG 格式视频：最多 120 秒输入，支持 MP4 和 MOV 格式音频：可直接处理音频数据，无需先进行转录文档：支持最多 6 页 PDF谷歌在博客中表示，新模型可以简化复杂的数据处理流程，同时增强多模态应用能力。应用场景包括检...