Gemini Embedding 2とは？
Gemini Embedding 2はGoogle初のマルチモーダル埋め込みモデルです。2026年3月10日にプレビューとして公開され、4月22日にgemini-embedding-2というIDで一般提供になりました。古いgemini-embedding-2-previewのページも残っています。埋め込み モデルはコンテンツをベクトルに変換し、ソフトウェアが検索、レコメンド、検索拡張生成（RAG）のために関連する素材を見つけられるようにします。
テキスト、画像、動画、音声、PDFファイルを受け取り、1つの共有ベクトル空間に配置します。そのため、テキストのクエリで一致する画像や動画クリップを見つけられます。1リクエストは全入力の合計で8,192トークンが上限で、出力は128から3,072次元の間で設定でき、短いベクトルは自動的に正規化されます。
価格は100万トークンあたりテキスト$0.20、画像$0.45、音声$6.50、動画$12で、Batchは半額です。Gemini APIの無料枠の対象ですが、無料枠ではGoogleが入力を製品改善に使う場合があります。
Gemini Embedding 2の料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Text | $0.20 per 1M tokens | |
| Image | $0.45 per 1M tokens | |
| Audio | $6.50 per 1M tokens | |
| Video | $12 per 1M tokens |
100万トークンあたり：テキスト$0.20、画像$0.45、音声$6.50、動画$12。Batchは半額。制限つきの無料枠があります（入力は製品改善に使われます）。
Gemini Embedding 2は使う価値があるか？
Gemini Embedding 2が真価を発揮するのはテキストではなく複合メディアです。テキスト、画像、音声、動画、PDFが1つの空間に入るため、「この録音で話者が返金に触れた箇所を探す」という作業が、文字起こしのパイプラインではなく1回の最近傍検索になります。4月22日から一般提供されており、春の間つきまとっていたプレビューという但し書きはもう当てはまりません。
テキストだけなら高い選択肢です。100万トークンあたり$0.20で、$0.12のvoyage-4-largeより高く、GoogleのドキュメントにはこのモデルのMTEBスコアが一切掲載されていません。埋め込みのページにある唯一のMTEBの表は、古いgemini-embedding-001のものです。001のベクトルとは互換性がないため、移行にはコーパス全体の再埋め込みが必要です。
アーキテクチャを左右するのは価格よりもリクエストごとの制限です。1回の呼び出しで扱えるのは、画像6枚、音声180秒、32フレームにサンプリングされる動画120秒、または6ページまでのPDF 1つで、8,192トークンを超える分は通知なく切り捨てられます。動画ファイルでは音声トラックも失われます。音声トラックは無視されるため、会議の録画を両方で検索できるようにするには、動画として1回、音声として1回、計2回埋め込む必要があります。
メディアの価格はトークン単価から想像するより安いです。Googleの換算では動画 は1フレームあたり約$0.00079なので、32フレームの2分のクリップは約2.5セントで、Batchならその半分です。コストのリスクはクリップ1本ではなく、チャンクのサイズを変えるたびにアーカイブ全体を再インデックスすることにあります。
真価を発揮する場面
10,000時間の映像を持つ地方放送局のメディアアーカイブ担当エンジニア
制作者が1文で説明するだけでショットを見つけられるようにしたい
映像を重なりのある2分のセグメントに分け、それぞれ32フレームで埋め込みます。公表されているフレーム単価では、アーカイブ全体で約$7,600、Batchなら約$3,800です。発話を検索可能にするなら、別に音声の処理が必要です。
30人規模のECマーケットプレイスのプロダクトマネージャー
200万件（2 million）の出品にテキスト検索と並べて「写真で検索」を追加したい
各出品のメイン画像（1枚あたり約$0.00012、Batchで$0.00006）とタイトルを同じ空間に埋め込めば、買い物客の写真と入力したクエリが1つのインデックスに当たります。画像200万枚は標準料金で約$240です。
EUのリーガルテック系スタートアップの開発者
表や印影のあるスキャンした契約書を検索用に埋め込みたい
Googleによれば最も品質が高いのはページ単位での送信で、OCRは常に有効です。EEA向けのアプリは有料枠を使う必要があり、有料枠ではGoogleは入力を製品改善に使いません。
導入前に確認すること
- 導入
- Gemini SDKでモデルgemini-embedding-2を指定してembedContentを1回呼び出します。task_typeパラメータには対応していないため、テキストのタスクでは「task: search result | query:」のような接頭辞を使います。
- 連携
- Gemini API、Google AI Studio、Batch API、Gemini File Searchで利用できます。Gemini File Searchはこのモデルを使い、ページ番号やメディアの引用つきでマルチモーダル検索を行います。
- データとプライバシー
- 有料枠では、Googleはプロンプトと応答を製品改善に使いませんが、不正利用の監視のため期間を明示しない限られた期間記録します。無料枠の入力はGoogleの製品と機械学習技術の改善に使われ、人間のレビュアーに読まれる場合があります。EEA、スイス、英国のユーザーに提供するアプリは有料サービスを使う必要があります。
- 大規模利用時のコスト
- 100M（1億）トークンのテキストコーパスの埋め込みは$20（Batchで$10）です。音声10,000時間は1秒あたり$0.00016で約$5,760、動画は1フレームあたり約$0.00079です。チャンク分けを変えるたびに再埋め込みが発生することを、コストとして見込んでおく必要があります。
- 制限
- 1リクエストあたり全入力の合計で8,192トークンで、超過分は通知なく切り捨てられます。1リクエストで画像6枚、音声180秒、動画120秒（32フレーム、音声は無視）、または6ページのPDF 1つまでです。MTEBスコアは公表されていません。
良い点
- テキスト、画像、動画、音声、PDFを1つのベクトル空間で扱え、一般提供済み
- 128から3,072次元で自動正規化
- Batchは半額、動画は1フレームあたり約$0.0008
気になる点
- 検索性能のベンチマークが公表されていない
- 1リクエスト8,192トークンの上限があり、超過分は通知なく切り捨て。動画の音声トラックは無視される
- テキストではvoyage-4-largeより高く、gemini-embedding-001のベクトルと互換性がない
おすすめの人
画像、録音、動画など の複合メディアを横断する検索やレコメンドを作る開発者に向いています。
Gemini Embedding 2の代替
Gemini Embedding 2：よくある質問
- Gemini Embedding 2は使う価値があるか？
- Gemini Embedding 2は、動画や音声を1文で検索する最も簡単な方法であり、プレーンテキストを検索するには割高な方法です。 評価は5点満点中4.3点です。
- Gemini Embedding 2の料金は？
- 100万トークンあたり：テキスト$0.20、画像$0.45、音声$6.50、動画$12。Batchは半額。制限つきの無料枠があります（入力は製品改善に使われます）。
- Gemini Embedding 2の欠点は？
- 検索性能のベンチマークが公表されていない; 1リクエスト8,192トークンの上限があり、超過分は通知なく切り捨て。動画の音声トラックは無視される; テキストではvoyage-4-largeより高く、gemini-embedding-001のベクトルと互換性がない.
- Gemini Embedding 2は誰に向いているか？
- 画像、録音、動画などの複合メディアを横断する検索やレコメンドを作る開発者に向いています。
- チームや本番環境でGemini Embedding 2を使うと費用はいくらか？
- 100M（1億）トークンのテキストコーパスの埋め込みは$20（Batchで$10）です。音声10,000時間は1秒あたり$0.00016で約$5,760、動画は1フレームあたり約$0.00079です。チャンク分けを変えるたびに再埋め込みが発生することを、コストとして見込んでおく必要があります。
- Gemini Embedding 2は企業データを扱っても安全か？
- 有料枠では、Googleはプロンプトと応答を製品改善に使いませんが、不正利用の監視のため期間を明示しない限られた期間記録します。無料枠の入力はGoogleの製品と機械学習技術の改善に使われ、人間のレビュアーに読まれる場合があります。EEA、スイス、英国のユーザーに提供するアプリは有料サービスを使う必要があります。
- Gemini Embedding 2の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はCohere Embed 5, voyage-4-large, text-embedding-3-large 、 EmbeddingGemma 2です。
回答確認日：2026年10月22日