Pinecone lägger till Gemini Embedding 2 i hanterad dokumentsökning

Pinecone meddelade den 12 november 2026 att Google Gemini Embedding 2 nu stöds i Documents API, som skapar inbäddningar vid skrivningar och sökfrågor via Vertex AI. Det hanterade alternativet eliminerar behovet av ett separat Google Cloud-konto, en API-nyckel eller en inbäddningspipeline och kostar 0,20 USD per 1 miljon token.

Integrationen flyttar arbetet med inbäddningarna. Applikationer skickar ren text till Pinecone, som anropar modellen vid varje skrivning och sökning och försöker igen om ett anrop misslyckas. Användningen av inbäddningar samlas på Pinecone-fakturan i stället för att faktureras separat av Google. Pinecone lagrar också varje dokuments text och inbäddning tillsammans, så att semantisk sökning och fulltextsökning använder samma version av dokumentet. Inbäddningar är vektorer som representerar betydelse. Därför kan samma fält användas för både likhetsbaserad hämtning och sökning med nyckelord, utan att applikationen först behöver skapa vektorer.

Indexkonfiguration och uppgiftstyper

Kunder väljer gemini-embedding-2 i ett textfält embed konfiguration när ett index skapas. Pinecones modelldokumentation anger 3 072 dimensioner som standard, men alla heltal mellan 128 och 3 072 stöds. Cosinus är det enda likhetsmåttet. Modellen kan hantera upp till 8 192 token per indata. Modell, dimension och mått fastställs när indexet skapas och blir därmed infrastrukturval, inte parametrar som team kan justera efter driftsättning.

Allmän informationshämtning använder retrieval_document för lagrad text och retrieval_query som standard för sökningar. Vid uppgifter som klassificering, klustring och meningslikhet behandlas lagrad text och sökfrågor på samma sätt vid textjämförelser, medan andra sökinställningar hanterar frågebehandling, faktaverifiering och kodhämtning. En enskild sökning kan åsidosätta fältets förvalda sökuppgift.

Pinecone lägger automatiskt till den uppgiftsinstruktion som Gemini kräver, så användarna kan skicka ren text i stället för att skapa modellspecifika promptar. Dokumentationen om integrerade inbäddningar fastställer också skrivuppgiften för ett fält när indexet skapas. Instruktionerna lägger till omkring sex eller sju token till varje värde eller sökfråga och räknas in i modellens indatagräns.

Priser, abonnemang och aktuella begränsningar

Avgifter tas ut för inbäddningstoken vid både skrivningar och sökningar, vilket knyter förbrukningen till indexering och sökaktivitet. Pinecones Builder-abonnemang omfattar normalt 10 miljoner Gemini Embedding 2-token per månad. Till och med den 31 december 2026 är gränsen fördubblad till 20 miljoner. Modellen kräver ett Builder-, Standard- eller Enterprise-abonnemang och är inte tillgänglig med Starter. Varje begäran om inbäddning kan innehålla upp till 96 indata, medan en sökfråga får vara högst 10 000 byte.

Den första versionen är begränsad till serverlösa Documents API-index och omfattar inte BYOC-, podbaserade eller Records API-index. I Pinecones tillkännagivande anges stöd för konsolen och Python SDK 10.3.0, medan stöd för Node.js SDK och Go SDK kommer snart. Befintliga vektorindex kan konverteras till Documents API-index utan att inbäddningarna skapas på nytt, men det går ännu inte att lägga till integrerad inbäddning i ett konverterat index. Därför används för närvarande nya Documents API-index. I tillkännagivandet anges också att stöd för multimodalt innehåll planeras till en senare version.

Den färdplanen pekar bortom den textbaserade integration som finns vid lanseringen. Googles modellmeddelande den 10 mars 2026 beskriver Gemini Embedding 2 som multimodal från grunden och anger att modellen placerar text, bilder, video, ljud och dokument i ett gemensamt inbäddningsrum. Pinecones texttjänst stöder fler än 100 språk. Bearbetningen sker globalt, vilket innebär att Google kan hantera varje begäran i valfri region, utan att en viss region garanteras.

För team som driver sökinfrastruktur innebär lanseringen att inbäddningar flyttas från en separat hanterad leverantörsintegration till databasens arbetsflöde. Tjänsten passar i första hand nya textbaserade söklösningar med betalabonnemang; den globala bearbetningen och begränsningen för konverterade index definierar ramarna för den första versionen.