Pinecone integriert Google Gemini Embedding 2

Pinecone hat Google Gemini Embedding 2 in seine integrierte Embedding-Funktion für die Documents API aufgenommen. Teams können jetzt Klartext an Pinecone senden und semantische Suchen durchführen, ohne einen separaten Embedding-Anbieter, ein Google-Cloud-Konto oder einen API-Schlüssel verwalten zu müssen.
- Die Documents API von Pinecone unterstützt jetzt Google Gemini Embedding 2.
- Teams können Klartext senden, ohne eine separate Embedding-Pipeline zu verwalten.
- Die Integration unterstützt semantische und Volltextsuche im selben Textfeld.
- Builder-Kunden erhalten bis zum 31. Dezember 2026 monatlich 20M enthaltene Tokens.
- Die Funktion unterstützt derzeit serverlose Documents-API-Indizes und Textfelder.
Embedding und Suche in einem Arbeitsablauf
Gemini Embedding 2 ist laut Pinecone das neueste Gemini-Embedding-Modell von Google. Entwickler können es beim Erstellen eines Documents-API-Index für ein Textfeld auswählen und anschließend Dokumente und Abfragen als Klartext senden.
Pinecone erstellt für jeden Schreibvorgang und jede Abfrage in diesem Feld mit dem ausgewählten Modell ein Embedding. Der Dienst speichert den Text und das Embedding jedes Dokuments gemeinsam. Das hält laut Pinecone die Volltext- und die semantische Suche auf derselben Dokumentversion. Eine Abfrage kann ebenfalls in einem einzigen Aufruf eingebettet und gesucht werden.
Pinecone stellt Gemini Embedding 2 über Google Vertex AI bereit und wiederholt fehlgeschlagene Aufrufe. Nach Angaben des Unternehmens müssen Teams keine eigene Wiederholungslogik entwickeln, keinen Google-API-Schlüssel verwalten und keine separate Rechnung für das Embedding begleichen. Die Tokens erscheinen zum Listenpreis von Google auf der Pinecone-Rechnung.
Modelleinstellungen und unterstützte Suchaufgaben
Das Modell lässt sich für ein Textfeld mit einer ausgewählten Dimension konfigurieren. Das Beispiel von Pinecone verwendet den Modellnamen gemini-embedding-2 mit 1.536 Dimensionen und aktiviert zugleich die Volltextsuche für dasselbe Feld. Wird die Dimension weggelassen, nutzt das Feld die volle Größe des Modells. Laut Pinecone kann jede vom Modell unterstützte Größe verwendet werden, darunter auch Dimensionen, die bestehende Indizes bereits nutzen.
Gemini Embedding 2 erwartet eine kurze Anweisung, die angibt, ob es sich bei der jeweiligen Eingabe um ein Dokument oder eine Abfrage handelt. Pinecone fügt die passende Anweisung bei Schreibvorgängen und Abfragen automatisch hinzu. Nutzer müssen daher keine modellspezifischen Prompts erstellen.
Standardmäßig verwenden Felder das Modell für allgemeine Suchen. Entwickler können einen Aufgabentyp für Klassifizierung, Clustering oder Satzähnlichkeit festlegen. Für einzelne Suchen können Abfragen zur Beantwortung von Fragen, Faktenprüfung oder Codeabfrage verwendet werden. Gemini Embedding 2 unterstützt Texte in mehr als 100 Sprachen.
Verfügbarkeit, Tariflimits und nächste Schritte
Die Integration funktioniert mit serverlosen Documents-API-Indizes. Sie wird für BYOC-, pod-basierte oder Records-API-Indizes nicht unterstützt. Die Pinecone-Konsole und das Python SDK 10.3.0 unterstützen Gemini Embedding 2. Die Unterstützung für die Node.js- und Go-SDKs soll in Kürze folgen.
Für Gemini Embedding 2 ist ein Builder-Tarif oder höher erforderlich. Der Builder-Tarif umfasst 10M Tokens pro Monat für das Modell. Pinecone verdoppelt dieses Kontingent bis zum 31. Dezember 2026 auf 20M pro Monat.
Die Integration funktioniert derzeit mit Textfeldern, nicht mit multimodalen Feldern. Gemini Embedding 2 kann zwar auch Bilder, Videos und Audiodateien einbetten, Pinecone plant die Unterstützung multimodaler Inhalte jedoch für eine spätere Version. Bestehende Vektorindizes können ohne erneutes Embedding in Documents-API-Indizes umgewandelt werden. Das Hinzufügen von integriertem Embedding zu einem umgewandelten Index soll jedoch ebenfalls in Kürze möglich sein. Derzeit verweist Pinecone Nutzer bei der Verwendung von Gemini Embedding 2 auf neue Documents-API-Indizes.


