Pinecone føjer Gemini Embedding 2 til administreret dokumentsøgning

Pinecone meddelte den 12. november 2026, at Documents API nu understøtter Google’s Gemini Embedding 2 og opretter indlejringer ved skrivninger og søgeforespørgsler via Vertex AI. Den administrerede løsning fjerner behovet for en separat Google Cloud-konto, API-nøgle eller indlejringspipeline og koster 0,20 USD pr. 1 million tokens.

Integrationen ændrer, hvor arbejdet med indlejringer foregår. Applikationer sender ren tekst til Pinecone, som kalder modellen ved hver skrivning og forespørgsel og prøver igen, hvis et kald mislykkes. Forbruget af indlejringer samles på Pinecone-fakturaen i stedet for at blive faktureret separat af Google. Pinecone skriver også hvert dokuments tekst og indlejring sammen, så semantisk søgning og fuldtekstsøgning bruger den samme version af dokumentet. Indlejringer er vektorer, der repræsenterer betydning, og gør det muligt for det samme felt at understøtte både lighedsbaseret søgning og søgning med nøgleord, uden at applikationen først skal generere vektorer.

Indekskonfiguration og opgavetyper

Kunderne vælger gemini-embedding-2 i et tekstfelts embed konfiguration, når de opretter et indeks. Pinecones modeldokumentation angiver 3.072 dimensioner som standard, mens alle heltal fra 128 til 3.072 understøttes, og cosinus er det eneste lighedsmål. Modellen accepterer op til 8.192 tokens pr. input. Model, dimension og lighedsmål fastlægges, når indekset oprettes, og er dermed infrastrukturvalg snarere end parametre, som teams kan ændre efter idriftsættelse.

Opgavetyper styrer, hvordan modellen indlejrer tekst til forskellige arbejdsbelastninger. Generel søgning bruger retrieval_document til lagret tekst og retrieval_query til søgninger som standard. Ved klassificering, klyngedannelse og sammenligning af sætningers lighed behandles lagret tekst og forespørgsler ens i tekstsammenligninger, mens andre indstillinger for forespørgsler dækker spørgsmål og svar, faktaverifikation og kodesøgning. En enkelt søgning kan tilsidesætte feltets standardopgave for forespørgsler.

Pinecone indsætter automatisk den opgaveinstruktion, som Gemini kræver, så brugerne kan indsende ren tekst i stedet for at udforme prompts, der er specifikke for modellen. Dokumentationen for integrerede indlejringer fastlægger også et felts skriveopgave, når indekset oprettes. Disse instruktioner føjer cirka seks eller syv tokens til hver værdi eller forespørgsel og tæller med i modellens inputgrænse.

Priser, abonnementer og aktuelle begrænsninger

Der opkræves betaling for indlejringstokens ved både skrivninger og forespørgsler, så forbruget følger indekserings- og søgeaktiviteten. Pinecones Builder-abonnement omfatter normalt 10 millioner Gemini Embedding 2-tokens om måneden; mængden fordobles til 20 millioner frem til den 31. december 2026. Modellen kræver et Builder-, Standard- eller Enterprise-abonnement og er ikke tilgængelig med Starter. Anmodninger om indlejringer kan indeholde op til 96 input, mens en søgeforespørgsel er begrænset til 10.000 bytes.

Den første version er begrænset til serverløse Documents API-indekser og omfatter ikke BYOC-, podbaserede eller Records API-indekser. Pinecones meddelelse angiver understøttelse i konsollen og Python SDK 10.3.0, mens understøttelse i Node.js- og Go-SDK’erne snart kommer. Eksisterende vektorindekser kan konverteres til Documents API-indekser uden at blive indlejret igen, men det er endnu ikke muligt at føje integreret indlejring til et konverteret indeks. Den aktuelle arbejdsgang kræver derfor nye Documents API-indekser. Meddelelsen angiver også, at understøttelse af multimodalt indhold er planlagt til en senere version.

Denne køreplan peger ud over den tekstbaserede integration, der er tilgængelig ved lanceringen. Googles modelmeddelelse den 10. marts 2026 beskriver Gemini Embedding 2 som indbygget multimodal og angiver, at modellen placerer tekst, billeder, video, lyd og dokumenter i ét og samme indlejringsrum. Pinecones teksttjeneste understøtter mere end 100 sprog. Behandlingen foregår globalt, så Google kan håndtere hver anmodning i et hvilket som helst af sine regioner, uden at garantere en bestemt region.

For teams, der driver søgeinfrastruktur, flytter denne lancering indlejring fra en separat administreret leverandørintegration ind i databasens arbejdsgang. Løsningen egner sig umiddelbart til nye tekstsøgningsinstallationer på betalingsabonnementer, mens behandling, der kun foregår globalt, og begrænsningen for konverterede indekser afgrænser den indledende tjenestes anvendelsesområde.