Partnerschaften
Pinecone erweitert die verwaltete Dokumentsuche um Gemini Embedding 2
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Pinecone gab am 12. November 2026 bekannt, dass die Documents API jetzt Google’s Gemini Embedding 2 unterstützt und über Vertex AI bei Schreibvorgängen und Suchanfragen Einbettungen erstellt. Die verwaltete Option macht ein separates Google-Cloud-Konto, einen API-Schlüssel und eine eigene Einbettungs-Pipeline überflüssig und kostet 0,20 $ pro 1 Million Tokens.
Durch die Integration wird die Einbettung an einer anderen Stelle ausgeführt. Anwendungen senden Klartext an Pinecone. Dort wird das Modell bei jedem Schreibvorgang und jeder Suchanfrage aufgerufen, und fehlgeschlagene Aufrufe werden wiederholt. Die Kosten für die Nutzung der Einbettungen werden auf der Pinecone-Rechnung zusammengefasst, statt separat von Google abgerechnet zu werden. Pinecone speichert außerdem den Text jedes Dokuments zusammen mit seiner Einbettung, sodass die semantische Suche und die Volltextsuche dieselbe Version des Dokuments verwenden. Einbettungen sind Vektoren, die Bedeutungen abbilden. Dadurch kann dasselbe Feld sowohl für die Ähnlichkeitssuche als auch für die Stichwortsuche verwendet werden, ohne dass die Anwendung zunächst selbst Vektoren erzeugen muss.
Indexkonfiguration und Aufgabentypen
Kunden wählen gemini-embedding-2 in der Konfiguration eines Textfelds embed bei der Erstellung eines Indexes. In der Modelldokumentation von Pinecone sind standardmäßig 3.072 Dimensionen angegeben; unterstützt wird jede ganze Zahl zwischen 128 und 3.072. Als Ähnlichkeitsmaß steht ausschließlich die Kosinusähnlichkeit zur Verfügung. Das Modell akzeptiert bis zu 8.192 Tokens pro Eingabe. Modell, Dimensionszahl und Ähnlichkeitsmaß werden bei der Erstellung des Indexes festgelegt und sind damit Infrastrukturentscheidungen statt Parameter, die Teams nach der Bereitstellung noch anpassen können.
Aufgabentypen legen fest, wie das Modell Text für verschiedene Anwendungsfälle einbettet. Für die allgemeine Suche wird retrieval_document standardmäßig für gespeicherte Texte und retrieval_query standardmäßig für Suchanfragen verwendet. Bei Klassifikation, Clustering und der Berechnung von Satzähnlichkeiten werden gespeicherte Texte und Suchanfragen für Textvergleiche gleich behandelt. Andere Einstellungen für Suchanfragen decken Fragebeantwortung, Faktenüberprüfung und Codesuche ab. Bei einer einzelnen Suche lässt sich die für das Feld standardmäßig festgelegte Suchaufgabe überschreiben.
Pinecone fügt die von Gemini benötigte Aufgabenanweisung automatisch ein, sodass Nutzer Klartext übermitteln können, statt modellspezifische Prompts zu erstellen. Auch in der Dokumentation zu integrierten Einbettungen ist festgelegt, welche Schreibaufgabe für ein Feld gilt, wenn der Index erstellt wird. Diese Anweisungen fügen jedem Wert und jeder Suchanfrage etwa sechs oder sieben Tokens hinzu und zählen zum Eingabelimit des Modells.
Preise, Tarife und aktuelle Einschränkungen
Abgerechnet werden die Tokens für Einbettungen sowohl bei Schreibvorgängen als auch bei Suchanfragen. Die Kosten richten sich somit nach der Indexierungs- und Suchaktivität. Der Builder-Tarif von Pinecone umfasst normalerweise 10 Millionen Gemini Embedding 2-Tokens pro Monat. Bis zum 31. Dezember 2026 wird diese Menge auf 20 Millionen verdoppelt. Das Modell setzt einen Builder-, Standard- oder Enterprise-Tarif voraus und ist im Starter-Tarif nicht verfügbar. Einbettungsanfragen können bis zu 96 Eingaben enthalten; für Suchanfragen gilt eine Grenze von 10.000 Byte.
Die erste Version ist auf serverlose Indexe der Documents API beschränkt; BYOC-, podbasierte und Records-API-Indexe sind ausgeschlossen. Laut Ankündigung von Pinecone werden die Konsole und Python SDK 10.3.0 unterstützt; Unterstützung für die Node.js- und Go-SDKs soll in Kürze folgen. Bestehende Vektorindexe lassen sich ohne erneute Einbettung in Indexe der Documents API umwandeln. Integrierte Einbettungen zu einem umgewandelten Index hinzuzufügen, ist jedoch noch nicht möglich. Daher werden derzeit neue Indexe der Documents API benötigt. Laut Ankündigung ist außerdem geplant, die multimodale Unterstützung in einer späteren Version bereitzustellen.
Diese Roadmap weist über die bei der Einführung verfügbare reine Textintegration hinaus. In Googles Modellankündigung vom 10. März 2026 wird Gemini Embedding 2 als von Grund auf multimodal beschrieben: Das Modell bildet Text, Bilder, Videos, Audio und Dokumente in einem gemeinsamen Einbettungsraum ab. Pinecones Textdienst unterstützt mehr als 100 Sprachen. Die Verarbeitung erfolgt global, sodass Google jede Anfrage in einer seiner Regionen bearbeiten kann, ohne eine bestimmte Region zu garantieren.
Für Teams, die Suchinfrastrukturen betreiben, verlagert diese Veröffentlichung die Einbettung von einer separat verwalteten Anbieterintegration in den Datenbankpfad. Unmittelbar eignet sich der Dienst für neue Textsuchlösungen in kostenpflichtigen Tarifen. Die ausschließlich globale Verarbeitung und die Einschränkung bei umgewandelten Indexen legen den Umfang des anfänglichen Dienstes fest.
