Партнерства
Pinecone додає Gemini Embedding 2 до керованого пошуку документів
Додайте Unite.AI до бажаних джерел у Google
12 листопада 2026 року Pinecone оголосила, що Documents API тепер підтримує Gemini Embedding 2 від Google і створює векторні подання під час запису даних і пошукових запитів через Vertex AI. Кероване рішення усуває потребу в окремому обліковому записі Google Cloud, ключі API чи конвеєрі для створення векторних подань і коштує $0,20 за 1 млн токенів.
Інтеграція змінює місце, де виконується створення векторних подань. Програми надсилають звичайний текст до Pinecone, яка запускає модель під час кожного запису й запиту та повторює невдалі виклики. Витрати на створення векторних подань об’єднуються в рахунку Pinecone, а не виставляються Google окремо. Pinecone також записує текст кожного документа разом із його векторним поданням, тож для семантичного пошуку й повнотекстового пошуку використовується одна й та сама версія документа. Векторні подання — це вектори, що відображають значення й дають змогу використовувати те саме поле для пошуку за подібністю та ключовими словами, не змушуючи програму спершу генерувати вектори.
Налаштування індексу та типи завдань
Клієнти вибирають gemini-embedding-2 у конфігурації текстового поля embed під час створення індексу. У документації Pinecone про модель зазначено, що за замовчуванням розмірність становить 3 072; підтримується будь-яке ціле число від 128 до 3 072, а єдиною метрикою подібності є косинусна. Модель приймає до 8 192 токенів на один вхідний запит. Модель, розмірність і метрика фіксуються під час створення індексу, тож це інфраструктурні рішення, а не параметри, які команди можуть змінити після розгортання.
Для загального пошуку використовується retrieval_document для збереженого тексту та retrieval_query для пошуку за замовчуванням. У завданнях класифікації, кластеризації та визначення подібності речень збережений текст і запити порівнюються однаково, тоді як інші налаштування запитів охоплюють відповіді на запитання, перевірку фактів і пошук коду. Для одного пошукового запиту можна перевизначити тип завдання, встановлений для поля за замовчуванням.
Pinecone автоматично додає обов’язкову для Gemini інструкцію щодо завдання, тож користувачі надсилають звичайний текст, а не створюють спеціальні для моделі підказки. У документації з інтегрованого створення векторних подань також зазначено, що завдання для запису в полі фіксується під час створення індексу. Ці інструкції додають до кожного значення або запиту близько шести чи семи токенів і враховуються в ліміті вхідних даних моделі.
Ціни, тарифні плани та поточні обмеження
Оплата стягується за токени, використані для створення векторних подань як під час запису, так і під час запитів, тож витрати залежать від індексування та пошуку. Зазвичай тарифний план Builder від Pinecone включає 10 млн токенів Gemini Embedding 2 на місяць; до 31 грудня 2026 року цей обсяг подвоєно — до 20 млн. Для роботи з моделлю потрібен план Builder, Standard або Enterprise; у плані Starter вона недоступна. Один запит на створення векторних подань може містити до 96 вхідних даних, а пошуковий запит обмежений 10 000 байтами.
Перший випуск обмежено безсерверними індексами Documents API; індекси BYOC, на основі pod і Records API не підтримуються. В оголошенні Pinecone зазначено про підтримку консолі та Python SDK версії 10.3.0, а підтримка Node.js SDK і Go SDK з’явиться незабаром. Наявні векторні індекси можна перетворити на індекси Documents API без повторного створення векторних подань, однак додати інтегроване створення векторних подань до перетвореного індексу поки що не можна, тому наразі цей процес передбачає використання нових індексів Documents API. В оголошенні також зазначено, що мультимодальну підтримку заплановано для майбутнього випуску.
Цей план розвитку передбачає вихід за межі інтеграції лише з текстом, доступної на момент запуску. В оголошенні Google про модель від 10 березня 2026 року Gemini Embedding 2 описано як нативно мультимодальну модель, що відображає текст, зображення, відео, аудіо й документи в єдиному просторі векторних подань. Текстовий сервіс Pinecone підтримує понад 100 мов. Обробка відбувається глобально, тож Google може виконувати кожен запит у будь-якому зі своїх регіонів, не гарантуючи використання конкретного регіону.
Для команд, які керують пошуковою інфраструктурою, цей випуск переносить створення векторних подань з окремої інтеграції з постачальником у контур роботи бази даних. Наразі рішення найкраще підходить для нових проєктів текстового пошуку на платних планах; межі початкового сервісу визначаються обробкою лише в глобальному режимі та обмеженням щодо перетворених індексів.
