Il 13 ottobre 2026, Google ha pubblicato due modelli di embedding entro 24 ore l'uno dall'altro: un aggiornamento dell'API host e un fratello aperto. Perplexity ha risposto la stessa settimana con i propri modelli di recupero multimodale. Se si costruiscono sistemi di ricerca, raccomandazione o generazione aumentata di recupero (RAG), il livello di embedding scelto sei mesi fa è già obsoleto.

Questo tutorial descrive come configurare Gemini Embedding 2, il modello di embedding multimodale di Google, in un sistema di generazione aumentata di retrieval (RAG) che cerca testo, immagini e PDF da uno spazio vettoriale unico.

Cosa è Gemini Embedding 2?

Gemini Embedding 2 (ID modello `gemini-embedding-2`) è il modello di embedding attuale di Google all'interno dell'API Gemini, e Google lo descrive come il primo modello di embedding multimodale offerto attraverso quell'API. Invece di eseguire modelli separati per testo, immagine, audio e video, Gemini Embedding 2 mappa tutti e quattro i tipi di input, più documenti PDF, in uno spazio vettoriale condiviso.

Il modello accetta fino a 8.192 token di input across tutti i modali combinati in una singola richiesta. La dimensionalità di output è flessibile, che varia da 128 a 3.072 dimensioni, con la documentazione di Google che raccomanda 768, 1.536 o 3.072 come opzioni pratiche.

Perché il RAG multimodale necessita di un nuovo approccio di embedding nel 2026

I sistemi di generazione aumentata di retrieval (RAG) richiedono un approccio di embedding che possa gestire più modalità di input. Gemini Embedding 2 offre una soluzione a questo problema, consentendo di mappare testo, immagini, audio, video e documenti PDF in uno spazio vettoriale condiviso.

Prerequisiti e versioni necessarie

Per configurare Gemini Embedding 2, è necessario avere un account Google e un progetto creato nell'API Console di Google. Inoltre, è necessario installare il SDK di Python e le dipendenze necessarie.

Passaggi 1-3: ottenere la chiave API, installare il SDK e strutturare il progetto

I primi tre passaggi consistono nell'ottenere la chiave API, installare il SDK di Python e strutturare il progetto.

Passaggio 1: generare una chiave API Gemini

È necessario generare una chiave API Gemini per utilizzare l'API di Google.

Passaggio 2: installare il SDK di Python e le dipendenze

È necessario installare il SDK di Python e le dipendenze necessarie per utilizzare l'API di Google.

Passaggio 3: strutturare il progetto

È necessario strutturare il progetto in modo da poter utilizzare l'API di Google.

Passaggi 4-6: generare embedding di testo, immagine e documento

I passaggi successivi consistono nel generare embedding di testo, immagine e documento.

Passaggio 4: generare il primo embedding di testo

È necessario generare il primo embedding di testo utilizzando l'API di Google.

Passaggio 5: embedere immagini e PDF

È necessario embedere immagini e PDF utilizzando l'API di Google.

Passaggio 6: scegliere le dimensioni di output e la troncatura

È necessario scegliere le dimensioni di output e la troncatura per l'embedding.

Passaggi 7-9: scegliere un database di vettori, costruire la pipeline di ingestione e aggiungere metadati

I passaggi successivi consistono nel scegliere un database di vettori, costruire la pipeline di ingestione e aggiungere metadati.

Passaggio 7: inizializzare un archivio di vettori Chroma

È necessario inizializzare un archivio di vettori Chroma per memorizzare gli embedding.

Passaggio 8: costruire la pipeline di ingestione

È necessario costruire la pipeline di ingestione per caricare i dati nel database di vettori.

Passaggio 9: aggiungere metadati di filtering

È necessario aggiungere metadati di filtering per migliorare la precisione della ricerca.

Passaggi 10-13: recupero cross-modale, generazione basata su contesto e distribuzione

I passaggi finali consistono nel recupero cross-modale, generazione basata su contesto e distribuzione.

Passaggio 10: costruire la funzione di query cross-modale

È necessario costruire la funzione di query cross-modale per cercare i dati nel database di vettori.

Passaggio 11: generare risposte basate su contesto

È necessario generare risposte basate su contesto utilizzando l'embedding.

Passaggio 12: misurare la latenza e il costo

È necessario misurare la latenza e il costo della pipeline di ingestione e della funzione di query.

Passaggio 13: distribuire come endpoint FastAPI

È necessario distribuire la pipeline di ingestione e la funzione di query come endpoint FastAPI.

Il progetto completo

Il progetto completo include uno script di ingestione che embedde documenti multimediali, un archivio di vettori Chroma, una funzione di query cross-modale e un endpoint FastAPI che restituisce risposte basate su contesto.

Conclusione

Questo tutorial ha descritto come configurare Gemini Embedding 2 in un sistema di generazione aumentata di retrieval (RAG) che cerca testo, immagini e PDF da uno spazio vettoriale unico. Il modello offre una soluzione per gestire più modalità di input e migliorare la precisione della ricerca.