Компания Google объявила о выходе публичной предварительной версии Gemini Embedding 2, новой модели представления данных, доступной через Gemini API и платформу Vertex AI. Разработка базируется на современной архитектуре Gemini и призвана существенно упростить процесс создания систем семантического поиска и приложений на базе технологии RAG (Retrieval-Augmented Generation). Ключевой особенностью обновления стала способность модели преобразовывать разнородные типы контента в единое векторное пространство, что открывает новые возможности для глубокого анализа данных.
Технические возможности и мультимодальность
В отличие от традиционных текстовых эмбеддингов, Gemini Embedding 2 поддерживает смешанный ввод данных, что позволяет обрабатывать информацию из различных источников в рамках одного запроса. Модель демонстрирует высокую производительность при работе с медиафайлами и сложными документами, поддерживая более 100 языков.
- Мощность обработки до 8192 токенов за один ввод.
- Поддержка до 6 изображений или видеофрагментов длительностью до 120 секунд.
- Прямое встраивание до 6 страниц PDF-документов без необходимости предварительной обработки текста.
Разработчики также могут интегрировать новую модель в существующие инструментальные цепочки, включая популярный фреймворк LangChain, что значительно снижает порог вхождения для создания сложных ИИ-систем.
Гибкость настройки и сфера применения
Важным аспектом Gemini Embedding 2 является её адаптивность под конкретные задачи бизнеса. По умолчанию модель генерирует выходные векторы размерностью 3072, однако этот показатель может быть сокращен в зависимости от требований к скорости поиска или объему хранилища данных. Это делает решение эффективным как для масштабных корпоративных баз знаний, так и для компактных мобильных приложений.
Модель отображает текст, изображения, видео, аудио и документы в единое векторное пространство, обеспечивая беспрецедентный уровень контекстуального понимания.
Представление Gemini Embedding 2 подтверждает стратегию Google по созданию унифицированной экосистемы искусственного интеллекта. Объединение различных типов данных в едином векторе позволяет не только улучшить точность поиска, но и создавать более сложные аналитические инструменты, способные «понимать» контент вне зависимости от его формата. Ожидается, что переход модели в стадию полноценного релиза ускорит развитие мультимодальных ИИ-сервисов в ближайшие годы.