Pinecone добавляет Gemini Embedding 2 в управляемый поиск по документам

12 ноября 2026 года Pinecone объявила, что Documents API теперь поддерживает Gemini Embedding 2 от Google: эмбеддинги создаются при записи данных и выполнении поисковых запросов через Vertex AI. Управляемое решение избавляет от необходимости отдельно создавать аккаунт Google Cloud, получать ключ API или настраивать конвейер для создания эмбеддингов; стоимость составляет $0.20 за 1 миллион токенов.

Интеграция меняет место, где выполняется создание эмбеддингов. Приложения отправляют обычный текст в Pinecone, где модель вызывается при каждой записи и каждом запросе, а неудачные вызовы выполняются повторно. Использование эмбеддингов включается в общий счет Pinecone, а не оплачивается отдельно Google. Кроме того, Pinecone одновременно записывает текст каждого документа и его эмбеддинг, поэтому при семантическом и полнотекстовом поиске используется одна и та же версия документа. Эмбеддинги — это векторы, представляющие смысл текста. Благодаря этому одно и то же поле можно использовать для поиска по сходству и по ключевым словам, не заставляя приложение предварительно создавать векторы.

Настройка индекса и типы задач

Клиенты выбирают gemini-embedding-2 в текстовом поле embed при настройке индекса. В документации Pinecone по модели указано, что по умолчанию используется размерность 3 072; поддерживается любое целое значение от 128 до 3 072, а единственная метрика сходства — косинусное расстояние. Модель принимает до 8 192 токенов на вход. Модель, размерность и метрика фиксируются при создании индекса, поэтому это инфраструктурные решения, которые команды не могут изменить после развертывания.

Типы задач определяют, как модель создает эмбеддинги текста для разных сценариев. Для общего поиска используется retrieval_document для сохраненного текста и retrieval_query по умолчанию — для поиска. В задачах классификации, кластеризации и определения сходства предложений сохраненный текст и запросы обрабатываются одинаково для сравнения текстов, тогда как другие настройки запросов предназначены для ответов на вопросы, проверки фактов и поиска по коду. Для отдельного поиска можно переопределить задачу, заданную для поля по умолчанию.

Pinecone автоматически добавляет необходимую Gemini инструкцию для задачи, поэтому пользователям достаточно отправить обычный текст — составлять специальные промпты для модели не нужно. В документации по встроенным эмбеддингам также указано, что задача для записи в поле фиксируется при создании индекса. Эти инструкции добавляют примерно шесть или семь токенов к каждому значению или запросу и учитываются в лимите входных данных модели.

Цены, тарифы и текущие ограничения

Плата взимается за токены, используемые для создания эмбеддингов как при записи, так и при выполнении запросов, поэтому расходы зависят от активности индексирования и поиска. В тарифный план Builder от Pinecone обычно входит 10 миллионов токенов Gemini Embedding 2 в месяц; до 31 декабря 2026 года этот объем удвоен и составляет 20 миллионов. Для работы с моделью нужен тарифный план Builder, Standard или Enterprise; в плане Starter она недоступна. Один запрос на создание эмбеддингов может содержать до 96 входных данных, а размер поискового запроса ограничен 10 000 байтами.

Первая версия поддерживает только бессерверные индексы Documents API; индексы BYOC, на базе подов и Records API не поддерживаются. В объявлении Pinecone указана поддержка консоли и Python SDK 10.3.0; поддержка SDK для Node.js и Go появится в ближайшее время. Существующие векторные индексы можно преобразовать в индексы Documents API без повторного создания эмбеддингов, однако добавить встроенное создание эмбеддингов в преобразованный индекс пока нельзя. Поэтому сейчас для этого процесса нужны новые индексы Documents API. В объявлении также указано, что мультимодальная поддержка запланирована для следующего выпуска.

Эти планы выходят за рамки интеграции, доступной при запуске и работающей только с текстом. В объявлении модели от 10 марта 2026 года Google описывает Gemini Embedding 2 как изначально мультимодальную модель, которая преобразует текст, изображения, видео, аудио и документы в единое пространство эмбеддингов. Текстовый сервис Pinecone поддерживает более 100 языков. Обработка выполняется глобально: Google может обрабатывать каждый запрос в любом из своих регионов, не гарантируя использование какого-либо конкретного региона.

Для команд, которые эксплуатируют поисковую инфраструктуру, этот выпуск переносит создание эмбеддингов из отдельной интеграции с поставщиком в контур базы данных. Сразу воспользоваться решением можно при развертывании новых текстовых поисковых систем на платных тарифах; сферу применения начальной версии ограничивают обработка только в глобальном масштабе и невозможность добавить встроенное создание эмбеддингов в преобразованные индексы.