Pinecone adiciona Gemini Embedding 2 à busca gerenciada de documentos

A Pinecone anunciou em 12 de novembro de 2026 que sua Documents API agora oferece suporte ao Gemini Embedding 2, do Google, gerando embeddings durante as gravações e as consultas de pesquisa por meio do Vertex AI. A opção gerenciada elimina a necessidade de uma conta separada do Google Cloud, de uma chave de API ou de um pipeline de embeddings e cobra US$ 0,20 por 1 milhão de tokens.

A integração muda o local em que o processamento dos embeddings é feito. Os aplicativos enviam texto simples para a Pinecone, que aciona o modelo a cada gravação e consulta e tenta novamente as chamadas que falham. O uso de embeddings é consolidado na fatura da Pinecone, em vez de ser cobrado separadamente pelo Google. A Pinecone também grava o texto e o embedding de cada documento em conjunto, de modo que a busca semântica e a busca em texto completo usem a mesma versão desse documento. Embeddings são vetores que representam significado e permitem que o mesmo campo ofereça recuperação baseada em similaridade e busca por palavras-chave sem que o aplicativo precise gerar vetores primeiro.

Configuração do índice e tipos de tarefa

Os clientes selecionam gemini-embedding-2 na configuração de um campo de texto embed ao criar um índice. A documentação do modelo da Pinecone indica 3.072 dimensões por padrão, com suporte a qualquer número inteiro de 128 a 3.072, e o cosseno como única métrica de similaridade. O modelo aceita até 8.192 tokens por entrada. O modelo, a dimensão e a métrica são definidos no momento da criação do índice, tornando-se decisões de infraestrutura, e não parâmetros que as equipes possam ajustar após a implantação.

Os tipos de tarefa controlam como o modelo gera embeddings de texto para diferentes cargas de trabalho. A recuperação geral usa retrieval_document para o texto armazenado e retrieval_query para pesquisas, por padrão. Nas tarefas de classificação, agrupamento e similaridade entre frases, o texto armazenado e as consultas são tratados da mesma forma para comparações de texto, enquanto outras configurações de consulta atendem a perguntas e respostas, verificação de fatos e recuperação de código. Uma única pesquisa pode substituir a tarefa de consulta padrão do campo.

A Pinecone insere automaticamente a instrução de tarefa exigida pelo Gemini, de modo que os usuários enviem texto simples, sem precisar criar prompts específicos para o modelo. A documentação sobre embeddings integrados também define a tarefa de gravação de um campo no momento da criação do índice. Essas instruções acrescentam cerca de seis ou sete tokens a cada valor ou consulta e contam para o limite de entrada do modelo.

Preços, planos e limites atuais

As cobranças incidem sobre os tokens de embedding tanto nas gravações quanto nas consultas, vinculando o consumo às atividades de indexação e pesquisa. Em geral, o plano Builder da Pinecone inclui 10 milhões de tokens do Gemini Embedding 2 por mês; esse total dobra para 20 milhões até 31 de dezembro de 2026. O modelo exige um plano Builder, Standard ou Enterprise e não está disponível no Starter. As solicitações de embedding podem conter até 96 entradas, enquanto uma consulta de pesquisa está limitada a 10.000 bytes.

A primeira versão está limitada aos índices sem servidor da Documents API, excluindo os índices BYOC, baseados em pods e da Records API. O anúncio da Pinecone lista o suporte ao console e ao SDK do Python 10.3.0, com suporte aos SDKs do Node.js e do Go previsto para breve. Índices vetoriais existentes podem ser convertidos em índices da Documents API sem gerar embeddings novamente, mas ainda não é possível adicionar embeddings integrados a um índice convertido; por isso, o fluxo de trabalho atual usa índices novos da Documents API. O anúncio também prevê suporte multimodal em uma versão futura.

Esse roteiro aponta para além da integração somente de texto disponível no lançamento. O anúncio do modelo, de 10 de março de 2026, descreve o Gemini Embedding 2, do Google, como nativamente multimodal, capaz de mapear texto, imagens, vídeo, áudio e documentos para um único espaço de embeddings. O serviço de texto da Pinecone oferece suporte a mais de 100 idiomas. O processamento é global, portanto o Google pode tratar cada solicitação em qualquer uma de suas regiões, sem garantir uma região específica.

Para as equipes que operam a infraestrutura de busca, o lançamento transfere os embeddings de uma integração com um provedor gerenciada separadamente para o fluxo do banco de dados. A opção atende, de imediato, a novas implantações de busca textual em planos pagos; o processamento exclusivamente global e a limitação referente aos índices convertidos definem o escopo do serviço inicial.