Pinecone adaugă Gemini Embedding 2 la căutarea gestionată a documentelor

Pinecone a anunțat pe 12 noiembrie 2026 că Documents API acceptă acum Gemini Embedding 2 de la Google și generează reprezentări vectoriale la scriere și pentru interogările de căutare prin Vertex AI. Opțiunea gestionată elimină nevoia unui cont Google Cloud separat, a unei chei API sau a unei conducte de generare a reprezentărilor vectoriale și costă 0,20 USD pentru fiecare 1 milion de tokeni.

Integrarea schimbă locul în care are loc generarea reprezentărilor vectoriale. Aplicațiile trimit text simplu către Pinecone, care apelează modelul la fiecare operațiune de scriere și interogare și reîncearcă apelurile eșuate. Consumul de tokeni pentru generarea reprezentărilor vectoriale este inclus pe factura Pinecone, în loc să fie facturat separat de Google. Pinecone scrie, de asemenea, împreună textul și reprezentarea vectorială a fiecărui document, astfel încât căutarea semantică și căutarea în text integral să folosească aceeași versiune a documentului respectiv. Reprezentările vectoriale sunt vectori care redau sensul, permițând aceluiași câmp să susțină atât regăsirea bazată pe similaritate, cât și căutarea după cuvinte-cheie, fără ca aplicația să genereze mai întâi vectorii.

Configurarea indexului și tipurile de sarcini

Clienții selectează gemini-embedding-2 în configurația unui câmp de text embed la crearea unui index. Documentația Pinecone despre model indică 3.072 de dimensiuni în mod implicit și acceptă orice număr întreg între 128 și 3.072, iar singura metrică de similaritate disponibilă este cea cosinus. Modelul acceptă până la 8.192 de tokeni pentru fiecare intrare. Modelul, numărul de dimensiuni și metrica se stabilesc la crearea indexului, devenind decizii de infrastructură, nu parametri pe care echipele îi pot ajusta după implementare.

Tipurile de sarcini controlează modul în care modelul generează reprezentări vectoriale ale textului pentru diverse tipuri de activități. Pentru căutarea generală se folosește retrieval_document pentru textul stocat și retrieval_query pentru căutări, în mod implicit. Sarcinile de clasificare, grupare și calculare a similarității între propoziții tratează în mod identic textul stocat și interogările în cadrul comparațiilor textuale, în timp ce alte setări pentru interogări acoperă răspunsul la întrebări, verificarea faptelor și regăsirea codului. O singură căutare poate suprascrie sarcina implicită de interogare a câmpului.

Pinecone inserează automat instrucțiunea de sarcină necesară pentru Gemini, astfel încât utilizatorii trimit text simplu, în loc să construiască prompturi specifice modelului. Documentația despre generarea integrată a reprezentărilor vectoriale stabilește, de asemenea, sarcina de scriere a unui câmp la crearea indexului. Aceste instrucțiuni adaugă aproximativ șase sau șapte tokeni la fiecare valoare sau interogare și se includ în limita de intrare a modelului.

Prețuri, planuri și limite actuale

Se aplică taxe pentru tokenii folosiți la generarea reprezentărilor vectoriale atât la scriere, cât și la interogări, astfel încât consumul este legat de activitățile de indexare și căutare. În mod normal, planul Builder de la Pinecone include 10 milioane de tokeni Gemini Embedding 2 pe lună; până la 31 decembrie 2026, numărul este dublat la 20 de milioane. Modelul necesită un plan Builder, Standard sau Enterprise și nu este disponibil în planul Starter. Solicitările de generare a reprezentărilor vectoriale pot conține până la 96 de intrări, iar o interogare de căutare este limitată la 10.000 de octeți.

Prima versiune este limitată la indexurile serverless din Documents API și nu include indexurile BYOC, cele bazate pe poduri sau cele din Records API. Anunțul Pinecone menționează compatibilitatea cu consola și Python SDK 10.3.0, iar compatibilitatea cu Node.js SDK și Go SDK urmează să fie disponibilă în curând. Indexurile vectoriale existente pot fi convertite în indexuri Documents API fără regenerarea reprezentărilor vectoriale, însă adăugarea generării integrate a acestora la un index convertit nu este încă disponibilă; prin urmare, fluxul de lucru actual folosește indexuri Documents API noi. Anunțul menționează și că suportul multimodal este planificat pentru o versiune ulterioară.

Această foaie de parcurs depășește integrarea exclusiv textuală disponibilă la lansare. Anunțul Google despre model din 10 martie 2026 descrie Gemini Embedding 2 ca fiind multimodal în mod nativ, mapând textul, imaginile, videoclipurile, conținutul audio și documentele într-un singur spațiu de reprezentări vectoriale. Serviciul de procesare a textului de la Pinecone acceptă peste 100 de limbi. Procesarea se desfășoară la nivel global, astfel încât Google poate gestiona fiecare solicitare în oricare dintre regiunile sale, fără a garanta o anumită regiune.

Pentru echipele care gestionează infrastructura de căutare, această versiune mută generarea reprezentărilor vectoriale dintr-o integrare cu un furnizor gestionată separat direct în fluxul bazei de date. Soluția se potrivește în prezent implementărilor noi de căutare textuală pe planurile cu plată, iar procesarea exclusiv globală și limitarea privind indexurile convertite definesc sfera serviciului inițial.