Pinecone přidává Gemini Embedding 2 do spravovaného vyhledávání v dokumentech

Pinecone oznámila 12. listopadu 2026, že její Documents API nyní podporuje Google Gemini Embedding 2, který vytváří vektorizované reprezentace při zápisu i při vyhledávacích dotazech prostřednictvím Vertex AI. Spravovaná služba odstraňuje potřebu samostatného účtu Google Cloud, klíče API nebo vlastního systému pro generování vektorů a účtuje 0,20 USD za 1 milion tokenů.

Integrace přesouvá generování vektorů jinam. Aplikace posílají prostý text do Pinecone, která při každém zápisu a dotazu volá model a opakuje neúspěšná volání. Náklady na generování vektorů se zahrnují do faktury od Pinecone namísto samostatného účtování od Googlu. Pinecone také ukládá text každého dokumentu společně s jeho vektorizovanou reprezentací, takže sémantické vyhledávání i fulltextové vyhledávání pracují se stejnou verzí dokumentu. Vektorizované reprezentace jsou vektory, které zachycují význam a umožňují jednomu poli podporovat vyhledávání podle podobnosti i podle klíčových slov, aniž by aplikace musela nejprve generovat vektory.

Nastavení indexu a typy úloh

Zákazníci vybírají gemini-embedding-2 v textovém poli embed při vytváření indexu. Dokumentace modelu Pinecone uvádí jako výchozí hodnotu 3 072 dimenzí; podporováno je libovolné celé číslo od 128 do 3 072 a jedinou metrikou podobnosti je kosinová podobnost. Model přijímá až 8 192 tokenů na jeden vstup. Model, počet dimenzí i metrika se pevně stanoví při vytvoření indexu, takže jde o infrastrukturní rozhodnutí, nikoli o parametry, které mohou týmy po nasazení měnit.

Typy úloh určují, jak model vytváří vektorizované reprezentace textu pro různé způsoby použití. Pro obecné vyhledávání se používá retrieval_document pro uložený text a retrieval_query ve výchozím nastavení pro vyhledávání. Při úlohách klasifikace, shlukování a porovnávání podobnosti vět se uložený text a dotazy při porovnávání textu zpracovávají stejně, zatímco další nastavení dotazů pokrývají odpovídání na otázky, ověřování faktů a vyhledávání kódu. U jednoho vyhledávání lze přepsat výchozí typ dotazu nastavený pro dané pole.

Pinecone automaticky vkládá instrukci k úloze, kterou Gemini vyžaduje, takže uživatelé zadávají prostý text místo vytváření promptů specifických pro daný model. Dokumentace integrovaného generování vektorů také stanovuje úlohu pro zápis do pole při vytvoření indexu. Tyto instrukce přidávají ke každé hodnotě nebo dotazu přibližně šest či sedm tokenů a započítávají se do limitu vstupu modelu.

Ceny, tarify a aktuální omezení

Poplatky se účtují za tokeny použité ke generování vektorů při zápisech i dotazech, takže spotřeba souvisí s indexováním a vyhledáváním. Tarif Pinecone Builder obvykle zahrnuje 10 milionů tokenů Gemini Embedding 2 měsíčně; do 31. prosince 2026 je tento limit zdvojnásoben na 20 milionů. Model vyžaduje tarif Builder, Standard nebo Enterprise a v tarifu Starter není dostupný. Požadavky na generování vektorů mohou obsahovat až 96 vstupů, zatímco vyhledávací dotaz je omezen na 10 000 bajtů.

První verze je omezena na bezserverové indexy Documents API; indexy BYOC, založené na podech a indexy Records API nejsou podporovány. Oznámení Pinecone uvádí podporu konzole a Python SDK 10.3.0; podpora SDK Node.js a Go má být k dispozici brzy. Stávající vektorové indexy lze převést na indexy Documents API bez opětovného generování vektorů, do převedeného indexu však zatím nelze přidat integrované generování vektorů, takže současný postup využívá nové indexy Documents API. Oznámení také uvádí, že podpora multimodálního zpracování je plánována pro některou z pozdějších verzí.

Tento plánovaný vývoj míří za hranice textové integrace dostupné při uvedení. Oznámení modelu z 10. března 2026 od Googlu popisuje Gemini Embedding 2 jako nativně multimodální model, který převádí text, obrázky, video, zvuk a dokumenty do jednoho vektorového prostoru. Textová služba Pinecone podporuje více než 100 jazyků. Zpracování probíhá globálně, takže Google může každý požadavek zpracovat v kterékoli ze svých oblastí, aniž by zaručoval konkrétní oblast.

Pro týmy, které provozují infrastrukturu pro vyhledávání, tato novinka přesouvá generování vektorů z integrace se samostatně spravovaným poskytovatelem přímo do databázového procesu. Služba se v současnosti hodí především pro nová nasazení textového vyhledávání v placených tarifech; její rozsah určují zpracování výhradně v globální infrastruktuře a omezení týkající se převedených indexů.