O que é Gemini Embedding 2?
Gemini Embedding 2 é o primeiro modelo de embeddings multimodal do Google. Ele foi lançado em preview em 10 de março de 2026 e ficou disponível para todos em 22 de abril com o ID gemini-embedding-2; a antiga página do gemini-embedding-2-preview continua no ar. Modelos de embeddings transformam conteúdo em vetores para que o software encontre material relacionado em buscas, recomendações e geração aumentada por recuperação (RAG).
Ele aceita texto, imagens, vídeo, áudio e arquivos PDF e os coloca em um único espaço vetorial compartilhado, para que uma consulta em texto encontre uma imagem ou um trecho de vídeo correspondente. Cada solicitação tem limite de 8.192 tokens somando todas as entradas, e a saída pode ser configurada entre 128 e 3.072 dimensões, com vetores mais curtos normalizados automaticamente.
O preço por milhão de tokens é $0,20 para texto, $0,45 para imagens, $6,50 para áudio e $12 para vídeo, com Batch pela metade do preço. Ele está no nível gratuito da Gemini API, em que o Google pode usar as entradas para melhorar seus produtos.
Quanto custa Gemini Embedding 2?
| Plano | Preço | O que inclui |
|---|---|---|
| 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, imagem $0,45, áudio $6,50, vídeo $12; Batch pela metade do preço; nível gratuito com limites (entradas usadas para melhoria de produtos).
Gemini Embedding 2 vale a pena?
O Gemini Embedding 2 se justifica com mídia mista, não com texto. Texto, imagens, áudio, vídeo e PDFs ficam no mesmo espaço, o que transforma "encontre o momento desta gravação em que o palestrante fala de reembolsos" em uma única busca por vizinho mais próximo, em vez de um pipeline de transcrição. Ele está disponível para todos desde 22 de abril, então a ressalva de preview que pesou sobre ele durante a primavera do hemisfério norte já não vale.
Só para texto, é a opção cara. A $0,20 por milhão de tokens, ele custa mais do que o voyage-4-large, a $0,12, e a documentação do Google não publica nenhuma pontuação MTEB para ele; a única tabela MTEB na página de embeddings é a do antigo gemini-embedding-001. Os vetores do 001 não são compatíveis, então migrar significa refazer os embeddings de todo o corpus.
Os limites por solicitação moldam a arquitetura mais do que o preço. Cada chamada aceita no máximo seis imagens, 180 segundos de áudio, 120 segundos de vídeo amostrados em 32 quadros ou um PDF de até seis páginas, e tudo o que passar de 8.192 tokens é truncado sem aviso. Os arquivos de vídeo também perdem a trilha sonora: a faixa de áudio é ignorada, então a gravação de uma reunião precisa de dois embeddings, um como vídeo e outro como áudio, para ser pesquisável pelos dois.
O preço de mídia é menor do que a tarifa por token sugere. O Google converte vídeo a cerca de $0,00079 por quadro, então um clipe de dois minutos com 32 quadros custa cerca de 2,5 centavos, e o Batch corta isso pela metade. O risco de custo não está em um clipe, mas em reindexar um acervo inteiro toda vez que você muda o tamanho dos chunks.
Onde ele se destaca
Um engenheiro de acervo de mídia em uma emissora regional com 10.000 horas de imagens
Deixar os produtores encontrarem uma cena descrevendo-a em uma frase
Divida as imagens em segmentos sobrepostos de dois minutos e gere o embedding de cada um com 32 quadros. Na tarifa publicada por quadro, isso dá cerca de $7.600 pelo acervo, ou cerca de $3.800 pelo Batch, mais uma passada separada de áudio se a fala precisar ser pesquisável.
Um gerente de produto em um marketplace de e-commerce de 30 pessoas
Adicionar "busca por foto" ao lado da busca por texto para 2 milhões de anúncios
Gere embeddings da imagem principal (cerca de $0,00012 por imagem, $0,00006 no Batch) e do título de cada anúncio no mesmo espaço, para que a foto de um comprador e uma consulta digitada caiam em um só índice. Dois milhões de imagens custam cerca de $240 nas tarifas padrão.
Um desenvolvedor em uma startup de legal tech da UE
Gerar embeddings de contratos digitalizados com tabelas e carimbos para recuperação
Envie os PDFs página por página, o que segundo o Google dá a melhor qualidade, com OCR sempre ativado. Apps voltados ao EEE precisam usar o nível pago, em que o Google não usa as entradas para melhorar seus produtos.
Antes de decidir
- Configuração
- Uma chamada a embedContent com o modelo gemini-embedding-2 nos SDKs do Gemini; o parâmetro task_type não é suportado, então tarefas de texto usam prefixos como 'task: search result | query:'.
- Integrações
- Gemini API, Google AI Studio, a Batch API e o Gemini File Search, que usa este modelo para busca multimodal com citações de número de página e de mídia.
- Dados e privacidade
- No nível pago, o Google não usa prompts nem respostas para melhorar produtos, mas os registra por um período limitado, não informado, para monitoramento de abuso. As entradas do nível gratuito podem ser usadas para melhorar os produtos e a tecnologia de machine learning do Google e lidas por revisores humanos, e apps que atendem usuários no EEE, na Suíça ou no Reino Unido precisam usar serviços pagos.
- Custo em escala
- Um corpus de texto de 100M de tokens custa $20 para gerar embeddings ($10 no Batch); 10.000 horas de áudio custam cerca de $5.760 a $0,00016 por segundo; vídeo sai a cerca de $0,00079 por quadro. Refazer os embeddings a cada mudança de chunking é o custo a planejar.
- Limites
- 8.192 tokens por solicitação somando todas as entradas, truncados sem aviso; seis imagens, 180 segundos de áudio, 120 segundos de vídeo (32 quadros, áudio ignorado) ou um PDF de seis páginas por solicitação. Sem pontuação MTEB publicada.
O que é bom
- Texto, imagem, vídeo, áudio e PDF em um espaço vetorial, disponível para todos
- De 128 a 3.072 dimensões, com normalização automática
- Batch pela metade do preço; vídeo a cerca de $0,0008 por quadro
O que não é
- Sem benchmarks de recuperação publicados
- Limite de 8.192 tokens por solicitação, truncado sem aviso; faixas de áudio de vídeos são ignoradas
- Mais caro que o voyage-4-large para texto; incompatível com os vetores do gemini-embedding-001
Ideal para
Desenvolvedores que constroem busca ou recomendações sobre mídia mista, como imagens, gravações e vídeo.
Alternativas ao Gemini Embedding 2
Gemini Embedding 2: perguntas frequentes
- Gemini Embedding 2 vale a pena?
- O Gemini Embedding 2 é o jeito mais simples de buscar em vídeo e áudio com uma frase, e um jeito caro demais de buscar em texto puro. Damos nota 4.3 de 5.
- Quanto custa Gemini Embedding 2?
- Por 1M de tokens: texto $0,20, imagem $0,45, áudio $6,50, vídeo $12; Batch pela metade do preço; nível gratuito com limites (entradas usadas para melhoria de produtos).
- Quais são as desvantagens de Gemini Embedding 2?
- Sem benchmarks de recuperação publicados; limite de 8.192 tokens por solicitação, truncado sem aviso; faixas de áudio de vídeos são ignoradas; mais caro que o voyage-4-large para texto; incompatível com os vetores do gemini-embedding-001.
- Para quem Gemini Embedding 2 é indicado?
- Desenvolvedores que constroem busca ou recomendações sobre mídia mista, como imagens, gravações e vídeo.
- Quanto custa Gemini Embedding 2 para uma equipe ou em produção?
- Um corpus de texto de 100M de tokens custa $20 para gerar embeddings ($10 no Batch); 10.000 horas de áudio custam cerca de $5.760 a $0,00016 por segundo; vídeo sai a cerca de $0,00079 por quadro. Refazer os embeddings a cada mudança de chunking é o custo a planejar.
- Gemini Embedding 2 é seguro para dados da empresa?
- No nível pago, o Google não usa prompts nem respostas para melhorar produtos, mas os registra por um período limitado, não informado, para monitoramento de abuso. As entradas do nível gratuito podem ser usadas para melhorar os produtos e a tecnologia de machine learning do Google e lidas por revisores humanos, e apps que atendem usuários no EEE, na Suíça ou no Reino Unido precisam usar serviços pagos.
- Quais são as melhores alternativas ao Gemini Embedding 2?
- As alternativas mais próximas que analisamos são Cohere Embed 5, voyage-4-large, text-embedding-3-large e EmbeddingGemma 2.
Respostas verificadas em 22 de out. de 2026.