钛媒体App 3月11日消息，谷歌周二发布其首个原生多模态嵌入模型Gemini Embedding 2，将文本、图像、视频、音频及文档统一映射至单一嵌入空间，彻底实现跨模态检索与分类，支持超过100种语言。相比仅处理文本的前代，新模型支持最多8192个文本输入token，图像单次最多6张，视频最长120秒，音频无需转录，PDF限6页。模型已通过Gemini API和Vertex AI开放预览，适用于RAG、语义搜索、情感分析等场景。（广角观察）