Pineconeは、Documents API上の統合エンベディング機能がGoogleの最新モデルであるGemini Embedding 2をサポートしたと発表しました。これは初期リリース時に提供されていたPineconeホストモデルに加わるものです。この更新により、チームはエンベディングパイプラインを構築・維持することなく、Gemini Embedding 2に基づくセマンティック検索を実行できるようになります。
従来、Googleのエンベディングモデルを使用するには、書き込みとクエリのたびにGoogleのAPIを呼び出す必要がありました。開発チームはGoogle Cloudアカウント、APIキー、レート制限を管理し、Pineconeとは別にGoogleへ支払う必要がありました。統合エンベディングはこの作業をPinecone内に移行します。ユーザーはプレーンテキストを送信するだけで、Pineconeが1回の呼び出しでクエリのエンベディングと検索を実行します。書き込み時には、各ドキュメントのテキストとエンベディングを一緒に保存するため、全文検索とセマンティック検索が常に同じバージョンのドキュメントを参照できます。さらに、PineconeはGoogle Vertex AIからGemini Embedding 2を提供し、失敗した呼び出しを自動的に再試行するため、チームは独自の再試行ロジックを構築する必要がありません。Google APIキーを管理する必要もなく、エンベディングのトークンはGoogleの定価でPineconeの請求書に記載されます。
Gemini Embedding 2を使用するには、Documents APIインデックスを作成する際にテキストフィールドのembed設定でモデルを指定します。たとえば、bodyフィールドをgemini-embedding-2、次元1536で設定し、全文検索を有効にすると、同じフィールドでセマンティック検索とキーワード検索の両方が可能になります。なお、Gemini Embedding 2にはBuilderプラン以上が必要です。検索時はクエリをテキストとして送信するだけで、パラメータでタスクタイプ(question_answeringなど)を指定してクエリのエンベディングを最適化できます。次元を指定しない場合、フィールドはモデルのフルサイズを使用します。モデルがサポートする任意の次元を使用できるため、既存のインデックスの次元を維持できます。Gemini Embedding 2は各入力の先頭に短い指示を必要とし、テキストがドキュメントかクエリかを示します。Pineconeは書き込みとクエリのたびに正しい指示を自動的に追加するため、モデル固有のプロンプトを書く必要はありません。デフォルトでは、Pineconeは汎用検索用にフィールドをエンベディングしますが、分類、クラスタリング、文類似度などのタスクにtask_typeを設定することもできます。単一の検索でquestion_answering、fact_verification、code_retrieval_queryなどのタスクタイプを設定することも可能です。
Gemini Embedding 2は100以上の言語のテキストをサポートします。このモデルはテキストをグローバルに処理するため、Googleは任意のリージョンで各リクエストを処理でき、特定のリージョンは保証されません。
可用性に関して、Gemini Embedding 2はサーバーレスのDocuments APIインデックスで動作し、BYOC、ポッドベース、Records APIインデックスはサポートされません。現在、コンソールとPython SDK 10.3.0がGemini Embedding 2をサポートしており、Node.jsとGo SDKのサポートは近日提供予定です。既存のベクトルインデックスは再エンベディングなしでDocuments APIインデックスに変換できますが、変換されたインデックスへの統合エンベディングの追加は近日提供予定です。それまでは、新しいDocuments APIインデックスでGemini Embedding 2を使用し、テキストを送信してください。統合エンベディングは現在テキストフィールドでのみ動作し、マルチモーダルフィールドには対応していません。したがって、Gemini Embedding 2は画像、動画、音声のエンベディングも可能ですが、現時点ではテキストモデルとしてのみ提供され、マルチモーダルサポートは将来のリリースで計画されています。
価格面では、BuilderプランにはGemini Embedding 2用に月間1000万トークンが含まれ、2026年12月31日までその额度が2倍の月間2000万トークンになります。統合エンベディングのドキュメントを参照して、Documents APIインデックスでGoogle Gemini Embedding 2を設定する方法を確認してください。