Pinecone voegt Gemini Embedding 2 toe aan beheerd zoeken in documenten

Pinecone kondigde op 12 november 2026 aan dat de Documents API nu Google’s Gemini Embedding 2 ondersteunt en via Vertex AI embeddings genereert bij schrijf- en zoekopdrachten. Met deze beheerde optie zijn geen afzonderlijk Google Cloud-account, API-sleutel of embeddingpijplijn meer nodig. De kosten bedragen $0.20 per 1 miljoen tokens.

Door de integratie vindt het genereren van embeddings op een andere plek plaats. Applicaties sturen platte tekst naar Pinecone, dat het model bij elke schrijf- en zoekopdracht aanroept en mislukte aanroepen opnieuw probeert. Het gebruik van embeddings wordt samengevoegd op de Pinecone-factuur, in plaats van afzonderlijk door Google in rekening te worden gebracht. Pinecone slaat ook de tekst en embedding van elk document samen op, zodat semantisch zoeken en zoeken in volledige tekst dezelfde versie van het document gebruiken. Embeddings zijn vectoren die betekenis weergeven. Daardoor kan hetzelfde veld worden gebruikt om informatie op basis van overeenkomst op te halen en op trefwoorden te zoeken, zonder dat de applicatie eerst zelf vectoren hoeft te genereren.

Indexconfiguratie en taaktypen

Klanten selecteren gemini-embedding-2 in een tekstveld embed configuratie bij het aanmaken van een index. In de modeldocumentatie van Pinecone staat standaard een dimensionaliteit van 3,072 vermeld; elk geheel getal van 128 tot en met 3,072 wordt ondersteund. De cosinus is de enige ondersteunde overeenkomstmaat. Het model accepteert maximaal 8,192 tokens per invoer. Het model, de dimensionaliteit en de maat worden vastgelegd bij het aanmaken van de index. Het zijn dus infrastructuurkeuzes en geen parameters die teams na de implementatie nog kunnen aanpassen.

Taaktypen bepalen hoe het model tekst omzet in embeddings voor verschillende toepassingen. Voor algemene informatie-opvraging wordt retrieval_document gebruikt voor opgeslagen tekst en retrieval_query standaard voor zoekopdrachten. Bij classificatie, clustering en het vergelijken van zinsbetekenissen worden opgeslagen tekst en zoekopdrachten op dezelfde manier behandeld voor tekstvergelijkingen. Andere instellingen voor zoekopdrachten zijn bedoeld voor vraagbeantwoording, feitenverificatie en het ophalen van code. Eén zoekopdracht kan de standaardtaak voor zoekopdrachten van het veld overschrijven.

Pinecone voegt de vereiste taakaanwijzing van Gemini automatisch toe. Gebruikers hoeven daardoor alleen platte tekst aan te leveren en geen prompts op te stellen die specifiek zijn voor het model. In de documentatie over geïntegreerde embeddings wordt ook de schrijftaak voor een veld vastgelegd wanneer de index wordt aangemaakt. Deze aanwijzingen voegen ongeveer zes of zeven tokens toe aan elke waarde of zoekopdracht en tellen mee voor de invoerlimiet van het model.

Prijzen, abonnementen en huidige beperkingen

Er worden kosten in rekening gebracht voor embeddingtokens bij zowel schrijf- als zoekopdrachten. Het verbruik hangt daarmee samen met indexering en zoekactiviteit. Het Builder-abonnement van Pinecone omvat normaal gesproken 10 miljoen Gemini Embedding 2-tokens per maand; tot en met 31 december 2026 is dat aantal verdubbeld tot 20 miljoen. Voor het model is een Builder-, Standard- of Enterprise-abonnement vereist; het is niet beschikbaar bij Starter. Embeddingaanvragen kunnen maximaal 96 invoeren bevatten, terwijl een zoekopdracht beperkt is tot 10,000 bytes.

De eerste release is beperkt tot serverless-indexen van de Documents API; BYOC-, podgebaseerde en Records API-indexen zijn uitgesloten. Volgens de aankondiging van Pinecone worden de console en Python SDK 10.3.0 ondersteund; ondersteuning voor de Node.js- en Go-SDK’s volgt binnenkort. Bestaande vectorindexen kunnen zonder embeddings opnieuw te genereren worden omgezet naar Documents API-indexen. Geïntegreerde embeddings toevoegen aan een omgezette index is echter nog niet mogelijk, waardoor de huidige werkwijze gebruikmaakt van nieuwe Documents API-indexen. In de aankondiging staat ook dat ondersteuning voor meerdere modaliteiten in een latere release gepland is.

Die routekaart wijst verder dan de tekstgebaseerde integratie die bij de lancering beschikbaar is. In de modelaankondiging van Google van 10 maart 2026 wordt Gemini Embedding 2 beschreven als een model dat van nature met meerdere modaliteiten overweg kan en tekst, afbeeldingen, video, audio en documenten in één embeddingruimte onderbrengt. De tekstdienst van Pinecone ondersteunt meer dan 100 talen. De verwerking vindt wereldwijd plaats, zodat Google elk verzoek in een van zijn regio’s kan afhandelen, zonder een specifieke regio te garanderen.

Voor teams die zoekinfrastructuur beheren, verplaatst deze release het genereren van embeddings van een afzonderlijk beheerde providerintegratie naar het databasepad. De dienst is direct geschikt voor nieuwe implementaties van tekstzoekopdrachten met betaalde abonnementen. De verwerking is beperkt tot locaties wereldwijd en de beperking voor omgezette indexen bepaalt de reikwijdte van de eerste versie.