Google、Gemini Embedding 2をpublic preview公開 初のnatively multimodal embedding model

何が公開されたのか

Googleは2026年3月10日、Gemini Embedding 2をpublic previewとして公開した。Googleはこれを自社初のnatively multimodal embedding modelと位置づけ、textだけでなくimage、さらにtext・image・chartが混在するPDFのようなdocumentも1つのembedding spaceで扱えると説明している。

この発表の意味は、retrieval systemの構成を簡潔にできる点にある。多くのproduction環境では、text検索とimage検索を別々のembedding pipelineで運用している。GoogleはGemini Embedding 2によって、multimodal search、recommendation、RAGをより少ない部品で構築できるようになると主張している。

性能面でのポイント

Googleによれば、Gemini Embedding 2はtext benchmarkを62.3から68.32へ改善し、image benchmarkでは53.3を記録した。同時に、価格とvector dimensionsは従来のGemini Embeddingと同じままにしているという。この点はmigrationの観点で大きい。retrieval qualityは上げたいが、index schemaやstorage costを大きく変えたくないチームにとって導入障壁が低くなるからだ。

また、multimodal documentをnativeに扱える点も実務的だ。企業のknowledge baseは純粋なtextだけではなく、slide、chart、screenshot、product sheetのような混在資料でできている。そうしたartifactをembedding段階から正しく表現できれば、searchとrankingの精度向上が期待できる。

なぜ重要か

Gemini Embedding 2は派手なchatbot発表ではないが、AI productの土台を変えるreleaseだ。実際のapplicationではgenerationより先にretrieval qualityが制約になることが多い。Googleの今回の動きは、multimodal RAGとsearchが研究向け機能ではなく、標準的なproduction stackへ移っていることを示している。

出典: Google