¿Qué es Gemini Embedding 2?
Gemini Embedding 2 es el primer modelo de embeddings multimodal de Google. Se lanzó en vista previa el 10 de marzo de 2026 y llegó a disponibilidad general el 22 de abril con el ID gemini-embedding-2; la antigua página de gemini-embedding-2-preview sigue en línea. Los modelos de embeddings convierten el contenido en vectores para que el software encuentre material relacionado en búsquedas, recomendaciones y generación aumentada por recuperación (RAG).
Acepta texto, imágenes, vídeo, audio y archivos PDF y los sitúa en un único espacio vectorial compartido, de modo que una consulta de texto puede encontrar una imagen o un fragmento de vídeo que coincida. Cada petición tiene un tope de 8.192 tokens entre todas las entradas, y la salida puede fijarse entre 128 y 3.072 dimensiones, con normalización automática de los vectores más cortos.
El precio por millón de tokens es de $0,20 para texto, $0,45 para imágenes, $6,50 para audio y $12 para vídeo, con Batch a mitad de precio. Está en el nivel gratuito de la Gemini API, donde Google puede usar las entradas para mejorar sus productos.
¿Cuánto cuesta Gemini Embedding 2?
| Plan | Precio | Qué incluye |
|---|---|---|
| Text | $0.20 per 1M tokens | |
| Image | $0.45 per 1M tokens | |
| Audio | $6.50 per 1M tokens | |
| Video | $12 per 1M tokens |
Por 1M de tokens: texto $0,20, imagen $0,45, audio $6,50, vídeo $12; Batch a mitad de precio; nivel gratuito con límites (las entradas se usan para mejorar el producto).
¿Merece la pena Gemini Embedding 2?
Gemini Embedding 2 se gana su sitio con medios mixtos, no con texto. Texto, imágenes, audio, vídeo y PDF caen en un mismo espacio, lo que convierte «encuentra el momento de esta grabación en el que el ponente menciona los reembolsos» en una sola búsqueda de vecino más cercano en lugar de un pipeline de transcripción. Está en disponibilidad general desde el 22 de abril, así que la advertencia de vista previa que pesaba sobre él durante la primavera ya no aplica.
Solo para texto es la opción cara. A $0,20 por millón de tokens cuesta más que voyage-4-large a $0,12, y la documentación de Google no publica ninguna puntuación MTEB para él; la única tabla MTEB de la página de embeddings es la del antiguo gemini-embedding-001. Los vectores de 001 no son compatibles, así que actualizar implica volver a generar los embeddings de todo el corpus.
Los límites por petición condicionan la arquitectura más que el precio. Cada llamada admite como máximo seis imágenes, 180 segundos de audio, 120 segundos de vídeo muestreado a 32 fotogramas o un PDF de hasta seis páginas, y todo lo que supere 8.192 tokens se trunca sin aviso. Los archivos de vídeo pierden además la banda sonora: la pista de audio se ignora, así que una grabación de reunión necesita dos embeddings, uno como vídeo y otro como audio, para poder buscarse por ambos.
El precio de los medios es menor de lo que sugiere la tarifa por token. Google convierte el vídeo a unos $0,00079 por fotograma, así que un clip de dos minutos a 32 fotogramas cuesta unos 2,5 céntimos, y Batch lo reduce a la mitad. El riesgo de coste no está en un clip, sino en reindexar un archivo cada vez que cambias el tamaño de los fragmentos.
Dónde se gana su sitio
Un ingeniero del archivo de medios de una televisión regional con 10.000 horas de metraje
Permitir que los productores encuentren un plano describiéndolo con una frase
Divide el metraje en segmentos solapados de dos minutos y genera el embedding de cada uno a 32 fotogramas. Con la tarifa por fotograma publicada, son unos $7.600 para el archivo, o unos $3.800 con Batch, más una pasada de audio aparte si la voz debe poder buscarse.
Un product manager de un marketplace de comercio electrónico de 30 personas
Añadir «buscar por foto» junto a la búsqueda de texto para 2 millones de anuncios
Genera el embedding de la imagen principal de cada anuncio (unos $0,00012 por imagen, $0,00006 en Batch) y de su título en el mismo espacio, para que la foto de un comprador y una consulta escrita vayan a un único índice. Dos millones de imágenes cuestan unos $240 a tarifa estándar.
Un desarrollador de una startup de legal tech de la UE
Generar embeddings de contratos escaneados con tablas y sellos para recuperación
Envía los PDF página a página, lo que según Google da la mejor calidad, con OCR siempre activo. Las apps orientadas al EEE deben usar el nivel de pago, en el que Google no usa las entradas para mejorar sus productos.
Antes de decidirte
- Puesta en marcha
- Una llamada a embedContent con el modelo gemini-embedding-2 en los SDK de Gemini; el parámetro task_type no se admite, así que las tareas de texto usan prefijos como 'task: search result | query:'.
- Integraciones
- Gemini API, Google AI Studio, la Batch API y Gemini File Search, que usa este modelo para búsqueda multimodal con citas de número de página y de medios.
- Datos y privacidad
- En el nivel de pago Google no usa prompts ni respuestas para mejorar productos, pero los registra durante un periodo limitado y no indicado para vigilar abusos. Las entradas del nivel gratuito pueden usarse para mejorar los productos y la tecnología de machine learning de Google y leerlas revisores humanos, y las apps que sirven a usuarios del EEE, Suiza o el Reino Unido deben usar servicios de pago.
- Coste a escala
- Un corpus de texto de 100M de tokens cuesta $20 ($10 en Batch); 10.000 horas de audio cuestan unos $5.760 a $0,00016 por segundo; el vídeo sale a unos $0,00079 por fotograma. Lo que hay que planificar es volver a generar embeddings cada vez que cambia la fragmentación.
- Límites
- 8.192 tokens por petición entre todas las entradas, truncados sin aviso; seis imágenes, 180 segundos de audio, 120 segundos de vídeo (32 fotogramas, audio ignorado) o un PDF de seis páginas por petición. Sin puntuación MTEB publicada.
Lo bueno
- Texto, imagen, vídeo, audio y PDF en un único espacio vectorial, en disponibilidad general
- De 128 a 3.072 dimensiones con normalización automática
- Batch a mitad de precio; vídeo a unos $0,0008 por fotograma
Lo malo
- Sin benchmarks de recuperación publicados
- Tope de 8.192 tokens por petición, truncado sin aviso; se ignoran las pistas de audio del vídeo
- Más caro que voyage-4-large para texto; incompatible con los vectores de gemini-embedding-001
Ideal para
Desarrolladores que crean búsqueda o recomendaciones sobre medios mixtos como imágenes, grabaciones y vídeo.
Alternativas a Gemini Embedding 2
Gemini Embedding 2: preguntas frecuentes
- ¿Merece la pena Gemini Embedding 2?
- Gemini Embedding 2 es la forma más sencilla de buscar en vídeo y audio con una frase, y una forma demasiado cara de buscar en texto plano. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta Gemini Embedding 2?
- Por 1M de tokens: texto $0,20, imagen $0,45, audio $6,50, vídeo $12; Batch a mitad de precio; nivel gratuito con límites (las entradas se usan para mejorar el producto).
- ¿Qué inconvenientes tiene Gemini Embedding 2?
- Sin benchmarks de recuperación publicados; tope de 8.192 tokens por petición, truncado sin aviso; se ignoran las pistas de audio del vídeo; más caro que voyage-4-large para texto; incompatible con los vectores de gemini-embedding-001.
- ¿Para quién es Gemini Embedding 2?
- Desarrolladores que crean búsqueda o recomendaciones sobre medios mixtos como imágenes, grabaciones y vídeo.
- ¿Cuánto cuesta Gemini Embedding 2 para un equipo o en producción?
- Un corpus de texto de 100M de tokens cuesta $20 ($10 en Batch); 10.000 horas de audio cuestan unos $5.760 a $0,00016 por segundo; el vídeo sale a unos $0,00079 por fotograma. Lo que hay que planificar es volver a generar embeddings cada vez que cambia la fragmentación.
- ¿Es Gemini Embedding 2 seguro para los datos de la empresa?
- En el nivel de pago Google no usa prompts ni respuestas para mejorar productos, pero los registra durante un periodo limitado y no indicado para vigilar abusos. Las entradas del nivel gratuito pueden usarse para mejorar los productos y la tecnología de machine learning de Google y leerlas revisores humanos, y las apps que sirven a usuarios del EEE, Suiza o el Reino Unido deben usar servicios de pago.
- ¿Cuáles son las mejores alternativas a Gemini Embedding 2?
- Las alternativas más cercanas que hemos analizado son Cohere Embed 5, voyage-4-large, text-embedding-3-large y EmbeddingGemma 2.
Respuestas comprobadas el 22 oct 2026.