Was ist Gemini Embedding 2?
Gemini Embedding 2 ist Googles erstes multimodales Embedding-Modell. Es startete am 10. März 2026 als Vorschau und ist seit dem 22. April unter der ID gemini-embedding-2 allgemein verfügbar; die alte Seite zu gemini-embedding-2-preview ist weiter online. Embedding-Modelle verwandeln Inhalte in Vektoren, damit Software verwandtes Material für Suche, Empfehlungen und Retrieval-Augmented Generation (RAG) finden kann.
Es nimmt Text, Bilder, Video, Audio und PDF-Dateien an und legt sie in einem gemeinsamen Vektorraum ab, sodass eine Textanfrage ein passendes Bild oder einen Videoclip finden kann. Jede Anfrage ist über alle Eingaben hinweg auf 8.192 Tokens begrenzt, und der Output lässt sich auf 128 bis 3.072 Dimensionen einstellen, wobei kürzere Vektoren automatisch normalisiert werden.
Der Preis pro Million Tokens beträgt 0,20 $ für Text, 0,45 $ für Bilder, 6,50 $ für Audio und 12 $ für Video, Batch kostet die Hälfte. Es ist in der kostenlosen Stufe der Gemini API enthalten, in der Google die Eingaben zur Verbesserung seiner Produkte nutzen darf.
Was kostet Gemini Embedding 2?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Text | $0.20 per 1M tokens | |
| Image | $0.45 per 1M tokens | |
| Audio | $6.50 per 1M tokens | |
| Video | $12 per 1M tokens |
Pro 1 Mio. Tokens: Text 0,20 $, Bild 0,45 $, Audio 6,50 $, Video 12 $; Batch zum halben Preis; kostenlose Stufe mit Limits (Eingaben werden zur Produktverbesserung genutzt).
Lohnt sich Gemini Embedding 2?
Gemini Embedding 2 verdient sich seinen Platz bei gemischten Medien, nicht bei Text. Text, Bilder, Audio, Video und PDFs landen in einem Raum. Damit wird aus „finde die Stelle in dieser Aufnahme, an der der Sprecher Rückerstattungen erwähnt“ eine einzige Nearest-Neighbour-Suche statt einer Transkriptions-Pipeline. Seit dem 22. April ist es allgemein verfügbar, der Vorbehalt der Vorschauphase, der im Frühjahr über ihm hing, gilt also nicht mehr.
Für reinen Text ist es die teure Option. Mit 0,20 $ pro Million Tokens kostet es mehr als voyage-4-large mit 0,12 $, und Googles Dokumentation veröffentlicht überhaupt keinen MTEB-Wert dafür; die einzige MTEB-Tabelle auf der Embeddings-Seite gilt für das ältere gemini-embedding-001. Vektoren aus 001 sind nicht kompatibel, ein Umstieg bedeutet also, den gesamten Bestand neu einzubetten.
Die Limits pro Anfrage prägen die Architektur stärker als der Preis. Jeder Aufruf nimmt höchstens sechs Bilder, 180 Sekunden Audio, 120 Sekunden Video mit 32 abgetasteten Frames oder ein PDF mit bis zu sechs Seiten an, und alles über 8.192 Tokens wird stillschweigend abgeschnitten. Videodateien verlieren außerdem ihren Ton: Die Audiospur wird ignoriert. Eine Meeting-Aufnahme muss daher zweimal eingebettet werden, einmal als Video und einmal als Audio, um über beides durchsuchbar zu sein.
Medien sind günstiger, als der Preis pro Token vermuten lässt. Google rechnet Video mit etwa 0,00079 $ pro Frame ab, ein zweiminütiger Clip mit 32 Frames kostet also etwa 2,5 Cent, und Batch halbiert das. Das Kostenrisiko ist nicht der einzelne Clip, sondern die Neuindexierung eines Archivs bei jeder Änderung der Chunk-Größe.
Wo es sich lohnt
Ein Archivingenieur bei einem Regionalsender mit 10.000 Stunden Filmmaterial
Produzenten eine Einstellung finden lassen, indem sie sie in einem Satz beschreiben
Teile das Material in überlappende Segmente von zwei Minuten und bette jedes mit 32 Frames ein. Zum veröffentlichten Preis pro Frame sind das für das Archiv rund 7.600 $ oder über Batch etwa 3.800 $, plus einen eigenen Audio-Durchlauf, falls Sprache durchsuchbar sein soll.
Ein Produktmanager bei einem E-Commerce-Marktplatz mit 30 Mitarbeitern
Für 2 Millionen Angebote neben der Textsuche eine Suche per Foto anbieten
Bette das Hauptbild jedes Angebots (etwa 0,00012 $ pro Bild, 0,00006 $ über Batch) und den Titel in denselben Raum ein, sodass das Foto eines Käufers und eine getippte Anfrage auf denselben Index treffen. Zwei Millionen Bilder kosten zum Standardpreis etwa 240 $.
Ein Entwickler bei einem Legal-Tech-Startup in der EU
Gescannte Verträge mit Tabellen und Stempeln für die Suche einbetten
Schick die PDFs Seite für Seite, was laut Google die beste Qualität liefert; OCR ist immer aktiv. Apps für den EWR müssen die bezahlte Stufe nutzen, in der Google die Eingaben nicht zur Verbesserung seiner Produkte verwendet.
Bevor du dich festlegst
- Einrichtung
- Ein Aufruf von embedContent mit dem Modell gemini-embedding-2 in den Gemini SDKs; der Parameter task_type wird nicht unterstützt, Textaufgaben nutzen daher Präfixe wie 'task: search result | query:'.
- Integrationen
- Gemini API, Google AI Studio, die Batch API und Gemini File Search, das dieses Modell für multimodale Suche mit Quellenangaben zu Seitenzahlen und Medien nutzt.
- Daten und Datenschutz
- In der bezahlten Stufe nutzt Google Prompts und Antworten nicht zur Produktverbesserung, protokolliert sie aber für einen begrenzten, nicht genannten Zeitraum zur Missbrauchsüberwachung. Eingaben aus der kostenlosen Stufe dürfen zur Verbesserung von Googles Produkten und Machine-Learning-Technik genutzt und von menschlichen Prüfern gelesen werden; Apps für Nutzer im EWR, in der Schweiz oder in Großbritannien müssen bezahlte Dienste nutzen.
- Kosten im großen Maßstab
- Einen Textbestand mit 100 Mio. Tokens einzubetten kostet 20 $ (10 $ über Batch); 10.000 Stunden Audio kosten bei 0,00016 $ pro Sekunde etwa 5.760 $; Video liegt bei etwa 0,00079 $ pro Frame. Einplanen solltest du die Neueinbettung bei jeder Änderung am Chunking.
- Grenzen
- 8.192 Tokens pro Anfrage über alle Eingaben, mit stillschweigendem Abschneiden; sechs Bilder, 180 Sekunden Audio, 120 Sekunden Video (32 Frames, Audio ignoriert) oder ein PDF mit sechs Seiten pro Anfrage. Kein veröffentlichter MTEB-Wert.
Was gut ist
- Text, Bild, Video, Audio und PDF in einem Vektorraum, allgemein verfügbar
- 128 bis 3.072 Dimensionen mit automatischer Normalisierung
- Batch zum halben Preis; Video für etwa 0,0008 $ pro Frame
Was nicht
- Keine veröffentlichten Retrieval-Benchmarks
- Grenze von 8.192 Tokens pro Anfrage, mit stillschweigendem Abschneiden; Audiospuren von Videos werden ignoriert
- Für Text teurer als voyage-4-large; nicht kompatibel mit Vektoren von gemini-embedding-001
Am besten für
Entwickler, die Suche oder Empfehlungen über gemischte Medien wie Bilder, Aufnahmen und Video bauen.
Alternativen zu Gemini Embedding 2
Gemini Embedding 2: häufige Fragen
- Lohnt sich Gemini Embedding 2?
- Gemini Embedding 2 ist der einfachste Weg, Video und Audio mit einem Satz zu durchsuchen, und ein zu teurer Weg, reinen Text zu durchsuchen. Wir bewerten es mit 4.3 von 5.
- Was kostet Gemini Embedding 2?
- Pro 1 Mio. Tokens: Text 0,20 $, Bild 0,45 $, Audio 6,50 $, Video 12 $; Batch zum halben Preis; kostenlose Stufe mit Limits (Eingaben werden zur Produktverbesserung genutzt).
- Welche Nachteile hat Gemini Embedding 2?
- Keine veröffentlichten Retrieval-Benchmarks; Grenze von 8.192 Tokens pro Anfrage, mit stillschweigendem Abschneiden; Audiospuren von Videos werden ignoriert; Für Text teurer als voyage-4-large; nicht kompatibel mit Vektoren von gemini-embedding-001.
- Für wen eignet sich Gemini Embedding 2?
- Entwickler, die Suche oder Empfehlungen über gemischte Medien wie Bilder, Aufnahmen und Video bauen.
- Was kostet Gemini Embedding 2 für ein Team oder im Produktivbetrieb?
- Einen Textbestand mit 100 Mio. Tokens einzubetten kostet 20 $ (10 $ über Batch); 10.000 Stunden Audio kosten bei 0,00016 $ pro Sekunde etwa 5.760 $; Video liegt bei etwa 0,00079 $ pro Frame. Einplanen solltest du die Neueinbettung bei jeder Änderung am Chunking.
- Ist Gemini Embedding 2 sicher für Firmendaten?
- In der bezahlten Stufe nutzt Google Prompts und Antworten nicht zur Produktverbesserung, protokolliert sie aber für einen begrenzten, nicht genannten Zeitraum zur Missbrauchsüberwachung. Eingaben aus der kostenlosen Stufe dürfen zur Verbesserung von Googles Produkten und Machine-Learning-Technik genutzt und von menschlichen Prüfern gelesen werden; Apps für Nutzer im EWR, in der Schweiz oder in Großbritannien müssen bezahlte Dienste nutzen.
- Was sind die besten Alternativen zu Gemini Embedding 2?
- Die nächsten Alternativen, die wir getestet haben, sind Cohere Embed 5, voyage-4-large, text-embedding-3-large und EmbeddingGemma 2.
Antworten geprüft am 22. Okt. 2026.