Gemini Embedding是由谷歌公司於2025年3月7日推出的文本處理模型，集成於Gemini API。該模型通過將文本轉換為數值向量，支持語義搜尋、推薦系統及文檔分析等套用場景。在Hugging Face創建的MTEB基準測試中，其以平均任務得分68.32位列第一，其中配對分類、檢索和重排序任務分別取得85.13、67.71和65.58分。
模型基於Gemini大語言模型構建，支持8K tokens輸入和可變維度向量輸出（3K/2K/1K/512），採用對比學習與合成數據生成技術最佳化訓練，適用於金融、法律、醫學等多領域文本處理。其覆蓋100餘種語言，並展現出低資源語言處理優勢。2025年6月，阿里Qwen3-Embedding模型在部分實驗場景中性能超過該模型，但Gemini Embedding仍保持MTEB多語言榜單首位。未來計畫擴展至圖像、視頻等多模態檢索領域。
基本介紹
- 外文名：Gemini Embedding
- 所屬公司 ：谷歌
發展歷史,產品簡介,套用前景,
發展歷史
2025年3月7日，谷歌公司發布博文，宣布推出 Gemini Embedding，是一款基於 AI 的文本處理模型，現已集成至 Gemini API。
產品簡介
該模型在 Massive Text Embedding Benchmark（MTEB）中拔得頭籌，超越了 Mistral、Cohere 和 Qwen 等競爭對手，成為當前性能最強的文本嵌入模型。
Gemini Embedding 將文本轉換為數值表示（向量），從而支持語義搜尋、推薦系統和文檔檢索等功能。它在 MTEB 基準測試中表現出色，平均任務得分為 68.32，顯著高於 Linq-Embed-Mistral 和 gte-Qwen2-7B-instruct 等模型，達到 State-of-the-art。
State-of-the-art（SOTA）AI 模型是指在特定任務或領域中，當前表現最優的模型或方法。這些模型通常通過在各種基準測試中取得最高分來證明其優越性，並且往往在準確性、效率或能力上超越了之前的模型，甚至在某些任務中達到了人類水平的表現。
該模型在配對分類上得分為 85.13；在檢索上得分 67.71，在重排序得分為 65.58，表明 Gemini Embedding 在 AI 搜尋引擎、文檔分析和聊天機器人最佳化等實際套用中具有顯著優勢。
MTEB 由 Hugging Face 創建，通過 50 多個數據集評估 AI 模型在文本數據排名、分類和檢索方面的能力。作為行業標準，MTEB 排行榜為企業在選擇 AI 模型時提供了重要參考。Gemini Embedding 的優異表現不僅鞏固了谷歌在 AI 領域的領導地位，也為其在商業套用中的推廣奠定了基礎。
套用前景
Gemini Embedding 的高性能使其在以下領域具有廣泛的套用前景：
搜尋引擎：提升搜尋結果的相關性，支持谷歌正在測試的純 AI 驅動搜尋模式。
多語言套用：增強跨語言翻譯、客戶服務自動化和內容排名能力。
企業服務：最佳化基於 Google Cloud 的 AI 分析、語義搜尋和自動化數據檢索功能。
