Gemini Embedding 2: qué es y cómo funcionan sus embeddings multimodales
Gemini Embedding 2 es el primer modelo de embeddings multimodal de Google capaz de representar texto, imágenes, audio, video y documentos PDF dentro de un mismo espacio vectorial. Esto permite crear sistemas avanzados de búsqueda semántica, recuperación de información, RAG, clasificación y recomendación capaces de comparar contenido incluso entre diferentes modalidades.
¿Qué es Gemini Embedding 2?
Es un modelo de Google que transforma contenido en vectores numéricos que representan su significado. La diferencia frente a generaciones anteriores es que texto, imágenes, audio, video y PDF pueden representarse dentro del mismo espacio vectorial, permitiendo búsquedas y comparaciones semánticas entre modalidades distintas.
Características principales de Gemini Embedding 2
El modelo amplía los embeddings tradicionales desde texto hacia contenido multimodal dentro de un espacio semántico unificado.
Texto
Convierte documentos, frases y consultas en vectores semánticos.
Imágenes
Representa contenido visual dentro del mismo espacio utilizado por el texto.
Audio
Permite comparar contenido de audio semánticamente.
Video
Genera representaciones vectoriales de contenido audiovisual compatible.
Documentos PDF
Puede transformar documentos en embeddings para recuperación semántica.
Más de 100 idiomas
La búsqueda semántica puede utilizarse en numerosos idiomas.
Especificaciones de Gemini Embedding 2
Google mantiene actualmente una versión estable dentro de Gemini API.
| Característica | Gemini Embedding 2 |
|---|---|
| Model ID | gemini-embedding-2 |
| Estado | Estable |
| Lanzamiento estable | Abril de 2026 |
| Entrada | Texto, imagen, audio, video y PDF |
| Salida | Embeddings vectoriales |
| Límite de entrada | 8.192 tokens |
| Dimensión mínima | 128 |
| Dimensión máxima | 3.072 |
| Dimensiones recomendadas | 768, 1.536 y 3.072 |
| Multimodal | Sí |
| Batch API | Compatible |
Texto, imágenes y multimedia pueden compararse entre sí
La principal innovación de Gemini Embedding 2 es que distintas modalidades se representan dentro del mismo espacio semántico. Esto hace posible buscar una imagen mediante texto, encontrar un video relacionado con una descripción o recuperar documentos por significado.
Contenido
Texto, imagen, audio, video o documento.
Embedding
El contenido se transforma en una representación numérica.
Similitud
Los vectores pueden compararse para encontrar significado relacionado.
¿Para qué sirve Gemini Embedding 2?
Los embeddings se utilizan cuando necesitas encontrar, organizar o relacionar información por significado y no solo por palabras exactas.
Búsqueda semántica: encontrar contenido relacionado aunque no utilice las mismas palabras.
RAG: recuperar información relevante antes de enviarla a un modelo generativo.
Recomendaciones: encontrar productos, documentos o contenidos semánticamente similares.
Clasificación: agrupar contenido según significado o temática.
Clustering: descubrir grupos naturales dentro de grandes conjuntos de datos.
Búsqueda multimodal: comparar texto con imágenes, audio, videos o documentos.
Qué es un embedding
Un embedding es una representación numérica de un contenido dentro de un espacio vectorial. Contenidos con significados parecidos tienden a quedar situados cerca entre sí.
El significado convertido en números
En lugar de comparar únicamente palabras, una aplicación puede calcular la distancia entre vectores para determinar qué contenidos son semánticamente parecidos.
Búsqueda entre diferentes modalidades
Una de las capacidades más interesantes es poder comparar una consulta de una modalidad con información almacenada en otra.
Texto a imagen
Buscar imágenes mediante una descripción escrita.
Imagen a documento
Encontrar texto relacionado con una referencia visual.
Texto a video
Recuperar clips relacionados semánticamente con una consulta.
Audio a documento
Relacionar contenido sonoro con documentos semánticamente similares.
Gemini Embedding 2 para sistemas RAG
Los embeddings son una pieza central de muchos sistemas RAG, porque permiten encontrar el contexto más relevante antes de generar una respuesta.
Indexas: transformas documentos en embeddings.
Almacenas: guardas los vectores en una base de datos vectorial.
Consultas: conviertes la pregunta del usuario en otro vector.
Comparas: buscas los vectores más similares.
Recuperas: obtienes los fragmentos relevantes.
Generas: proporcionas ese contexto a un modelo Gemini para construir la respuesta.
Google también ofrece File Search como solución gestionada para determinados workflows RAG.
Qué puede recibir en una solicitud
Cada modalidad tiene límites específicos dentro de la API.
| Modalidad | Límite principal |
|---|---|
| Texto | Hasta 8.192 tokens |
| Imagen | Hasta 6 imágenes por solicitud |
| Audio | Hasta 180 segundos |
| Video | Hasta 120 segundos |
| 1 archivo de hasta 6 páginas |
Google procesa un máximo de 32 fotogramas por video. En clips cortos se muestrea aproximadamente a 1 FPS y, en videos más largos, los fotogramas se distribuyen a lo largo del contenido.
Archivos compatibles
El modelo admite varios formatos habituales para contenido multimodal.
| Contenido | Formatos |
|---|---|
| Imagen | PNG, JPEG |
| Audio | MP3, WAV |
| Video | MP4, MOV |
| Codecs de video | H264, H265, AV1, VP9 |
| Documentos |
Embeddings de 128 a 3.072 dimensiones
La dimensión del vector puede ajustarse según las necesidades de precisión, almacenamiento y rendimiento.
| Dimensión | Uso orientativo |
|---|---|
| 128 | Máxima reducción de almacenamiento |
| 768 | Equilibrio recomendado |
| 1.536 | Mayor riqueza vectorial |
| 3.072 | Máxima dimensión disponible |
Una dimensión superior aumenta almacenamiento y cálculo. Para muchos proyectos, 768 dimensiones puede ofrecer un buen equilibrio.
Un embedding para múltiples entradas relacionadas
Gemini Embedding 2 introduce una diferencia importante respecto de la generación anterior.
Una representación agregada
Cuando una solicitud contiene múltiples elementos, el modelo puede producir un embedding agregado que representa el conjunto completo de información.
Si necesitas generar muchos embeddings independientes, Google recomienda utilizar Batch API en lugar de agregarlos en una sola solicitud.
Dónde guardar los embeddings
En producción, los vectores suelen almacenarse en sistemas diseñados para realizar búsquedas de similitud eficientes.
Vector Search
Servicios administrados para indexar grandes colecciones.
BigQuery
Puede utilizarse para determinados workflows vectoriales.
AlloyDB / Cloud SQL
Bases relacionales con capacidades vectoriales compatibles.
Vector DB externas
ChromaDB, Qdrant, Weaviate o Pinecone pueden formar parte del stack.
Gemini Embedding 2 vs Gemini Embedding 001
La diferencia principal es que la nueva generación deja de estar limitada exclusivamente a texto.
| Característica | Embedding 2 | Embedding 001 |
|---|---|---|
| Texto | Sí | Sí |
| Imágenes | Sí | No |
| Audio | Sí | No |
| Video | Sí | No |
| Sí | No | |
| Límite de entrada | 8.192 tokens | 2.048 tokens |
| Dimensión máxima | 3.072 | 3.072 |
| Uso recomendado | Proyectos nuevos y multimodales | Workflows de texto existentes |
Gemini Embedding 2 es la opción natural cuando necesitas multimodalidad o una arquitectura preparada para crecer.
Gemini Embedding 2 reemplaza a modelos anteriores
Google recomienda la nueva generación como reemplazo para varios modelos de embeddings anteriores.
| Modelo anterior | Reemplazo recomendado |
|---|---|
| gemini-embedding-001 | gemini-embedding-2 |
| text-embedding-004 | gemini-embedding-2 |
| embedding-2-preview | gemini-embedding-2 |
| gemini-embedding-exp | gemini-embedding-2 |
Google mantiene actualmente
gemini-embedding-001
disponible para texto,
aunque tiene una fecha
de cierre anunciada para
el 14 de mayo de 2028.
Cuánto cuesta Gemini Embedding 2
Google aplica precios diferentes según la modalidad utilizada como entrada.
| Entrada | Nivel gratuito | Pago por 1M tokens |
|---|---|---|
| Texto | Gratis | US$0,20 |
| Imagen | Gratis | US$0,45 |
| Audio | Gratis | US$6,50 |
| Video | Gratis | US$12,00 |
Google publica tarifas Batch aproximadamente un 50 % inferiores a las tarifas estándar para las modalidades compatibles.
Model ID de Gemini Embedding 2
Para nuevos desarrollos, utiliza actualmente el endpoint estable.
Versión estable
gemini-embedding-2
El endpoint
embedding-2-preview
fue una versión preliminar
y ya fue reemplazado
por la versión estable.
Consulta nuestra guía principal si necesitas configurar credenciales, endpoints y modelos de Google.
Ver Gemini API →Documentación oficial de Gemini Embedding 2
Google mantiene una guía específica de embeddings con modalidades, límites, ejemplos y opciones de almacenamiento vectorial.
Embeddings con Gemini
Consulta la documentación antes de diseñar una arquitectura RAG o de búsqueda multimodal.
Consultar documentación oficial →Guías relacionadas con Gemini Embedding 2
Continúa explorando modelos y herramientas para desarrollar aplicaciones con Gemini.
FAQ sobre Gemini Embedding 2
Respuestas rápidas sobre embeddings multimodales, RAG, dimensiones y API.
Es el modelo de embeddings multimodal de Google capaz de representar texto, imágenes, audio, video y PDF en un espacio vectorial común.
El identificador estable es gemini-embedding-2.
Sí. Puede procesar texto, imágenes, audio, video y documentos PDF.
Sí. Los embeddings pueden utilizarse para recuperar contexto relevante antes de generar una respuesta.
Admite dimensiones entre 128 y 3.072. Google recomienda especialmente 768, 1.536 y 3.072.
El límite general de entrada es actualmente de 8.192 tokens.
Sí. Google recomienda Gemini Embedding 2 como reemplazo, aunque Embedding 001 continúa disponible temporalmente para texto.
Continúa con Gemini Robotics ER 1.6
Embedding 2 conecta información dentro de espacios vectoriales. Ahora continúa con el modelo de razonamiento físico y espacial para sistemas robóticos.
Ver Gemini Robotics ER 1.6 →