谷歌推出原生多模态嵌入模型Gemini Embedding 2
原帖
**Gemini Embedding 2：来自 Gemini 的原生多模态嵌入模型**
_Gemini Embedding 2: A Native Multimodal Embedding Model from Gemini_
> 谷歌推出了 Gemini Embedding 2，这是一种原生的多模态嵌入模型，能够在统一的表示空间中嵌入视频、音频、图像和文本模态。该模型利用 Gemini 的多模态能力，为任意模态的交错输入组合生成嵌入，并在广泛任务中表现出色。通过大规模对比学习和多任务多阶段训练，它在关键嵌入基准测试（包括单模态、跨模态和多模态检索）上达到了最先进的性能。该模型在 MSCOCO、Vatex、MTEB 多语言和 MTEB 代码等任务上超越了专门模型，展示了强大的零样本性能，适用于 RAG、推荐和搜索等下游用例，并在天文学、生物科学、美术和烹饪等专业领域也表现出可靠性。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-05-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.27295)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
2026年5月27日，谷歌在HuggingFace Daily Papers上发布了Gemini Embedding 2。这是一个原生多模态嵌入模型，能在统一表示空间中处理视频、音频、图像和文本。该模型利用Gemini的多模态能力，在单模态、跨模态和多模态检索等基准测试上达到最先进水平，并展示了在RAG、推荐等下游任务及专业领域的可靠性。
答案说明
Gemini Embedding 2是谷歌推出的新一代原生多模态嵌入模型。它能够在统一的表示空间中对视频、音频、图像和文本进行嵌入，并通过大规模对比学习在关键嵌入基准上取得了最先进的性能，适用于检索增强生成（RAG）、推荐系统等应用场景。
这篇帖子回答的问题
- 谷歌新推出的Gemini Embedding 2模型是什么？
- Gemini Embedding 2模型有哪些主要特点和能力？
核心观点
- 2026年5月27日，谷歌在HuggingFace Daily Papers上发布了Gemini Embedding 2。这是一个原生多模态嵌入模型，能在统一表示空间中处理视频、音频、图像和文本。该模型利用Gemini的多模态能力，在单模态、跨模态和多模态检索等基准测试上达到最先进水平，并展示了在RAG、推荐等下游任务及专业领域的可靠性。
FAQ
- Q: Gemini Embedding 2模型适用于哪些应用场景？
- A: 根据帖子，该模型展示了强大的零样本性能，适用于RAG、推荐和搜索等下游用例，并在天文学、生物科学、美术和烹饪等专业领域也表现出可靠性。
关键实体
- Gemini Embedding 2
- 谷歌
- Gemini