谷歌近日发布原生多模态嵌入模型 Gemini Embedding2，该模型可将文本、图像、视频、音频以及 PDF 文档统一映射到同一语义向量空间，旨在简化复杂的 AI 数据处理流程，并提升多模态检索与理解能力。这标志着谷歌在嵌入技术领域从单一文本语义表示迈向统一多模态语义建模的重要一步。 此前在2025年7月，谷歌推出支持100多种语言的文本嵌入模型 gemini-embedding-001，并在 MTEB 多语言排行榜中取得领先成绩。此次发布的 Gemini Embedding2依然基于 Gemini…