Google は Gemini エンベディング 2 を公開プレビューとしてリリースしました。これは Gemini アーキテクチャを基盤とした初のネイティブ多摩態埋め込みモデルであり、Gemini API や Vertex AI を通じて利用可能です。従来のテキスト専用基盤から一歩進み、本モデルはテキスト、画像、動画、音声、文書を単一の統一された埋め込み空間にマッピングします。100 種類以上の言語における意味的意図の把握が可能で、複雑なデータ処理パイプラインの簡素化と、様々な多摩態タスクの性能向上を実現しています。具体的には、検索拡張生成（RAG）やセマンティック検索、感情分析、データクラスタリングなどの分野で大きな効果を発揮します。 本モデルの最大の特徴は、テキストや画像を個別に処理するのではなく、画像とテキストなど複数のモダリティを単一のリクエスト内で同時に扱える点にあります。これにより、異なるメディア間の複雑で微妙な関係性を正確に捉え、現実世界のデータをより深く理解することが可能になります。Gemini の高水準な多摩態理解能力を活用して高品質な埋め込みを生成するこのモデルは、出力次元も柔軟に設定でき、開発者のニーズに合わせて最適な設定を選べます。Google は本モデルの導入により、従来は難しかった複雑なマルチモーダルデータの統合処理が容易になることを目指しています。今後は、より多くの言語やデータタイプに対応し、AI アプリケーションの精度と効率をさらに高めることが期待されています。