🔥卧槽 ，Google 上线了 Gemini Embedding 2！ 多模态检索，开始从“拼接方案”走向“原生方案”。🧠 不用再做繁琐的图文识别，不用再转录音频。 文本、图片、音视频、PDF，统统被扔进同一个向量空间。 Gemini Embedding 2 直接重写了 RAG 的游戏规则。👇 Embedding 2 最狠的是“原生”。 它直接把超过 100 种语言和所有媒体类型映射到一个维度里。 而且，你可以在一个请求里交错输入（比如：一张图 + 一段问题），它能直接理解它们之间的微妙联系。 单次 API Call 你能塞进去多少东西？ 📝 文本：8K tokens 上下文 🖼️ 图片：一次最多 6 张（PNG/JPEG） 🎥 视频：长达 120 秒！（MP4/MOV） 🎙️ 音频：原生直读，无需中间件转录 📄 文档：直接扔最多 6 页的 PDF 进去 团队已经跑出恐怖的数据： 1️⃣ 创作者经济 (Sparkonomy)：因为去掉了 LLM 推理环节，延迟直接暴降 70%！图文/视频匹配度得分翻倍。 2️⃣ 个人健康助理 (Mindlid)：把文本对话跟音视觉嵌入结合，Top-1 召回率提升了 20%。 3️⃣ 法律科技 (Everlaw)：在几百万份高机密案件材料（包含视频图片）中，实现了精准的证据检索。(比特币橙子Trader)