11月13日、Pineconeが「Pinecone integrated embedding now supports Google's Gemini Embedding 2」と題した記事を公開した。注目すべきは、テキストを送るだけで埋め込み生成から検索までが1回のAPIコールで完結する点だ。さらにtask_typeの指定だけでQA・コード検索・ファクト検証など複数の用途に切り替えられる多用途性も備える。RAGパイプライン構築の煩雑さに悩む開発者にとって、見逃せないアップデートといえる。
背景:RAGパイプライン構築の複雑さという業界課題
RAG(Retrieval-Augmented Generation)は、LLMに外部知識を参照させる手法として広く普及しているが、その実装は一筋縄ではいかない。テキストをベクトル埋め込みに変換する埋め込みモデルのAPI呼び出し、生成されたベクトルをインデックスへ格納するベクトルDBへの書き込み、クエリ時の再エンコードと検索——これらを個別に管理・連携させる必要がある。APIキーの二重管理、レート制限の監視、請求の分離管理など、本質的な機能開発以外のオーバーヘッドが積み重なりやすいのが実情だ。
今回のアップデートは、こうした課題に対するPineconeの直接的な回答といえる。
何が変わったか
PineconeのDocuments APIが持つ統合埋め込み(Integrated Embedding)機能が、Google Gemini Embedding 2をサポートした。
これまでGoogleの埋め込みモデルをPineconeと組み合わせる場合、開発者はGoogle Cloud APIを別途呼び出し、APIキーの管理、レート制限の監視、請求の分離管理など、自前でパイプラインを構築・運用する必要があった。今回の対応により、Pineconeへのプレーンテキスト送信だけで、埋め込み生成から検索までが1回のAPIコールで完結する。
PineconeはバックエンドでGoogle Vertex AI経由でGemini Embedding 2を提供し、失敗時のリトライ処理もPinecone側で吸収する。GoogleのAPIキー管理も不要で、トークン料金はPineconeの請求書にGoogleの定価で合算される。
セマンティック検索と全文検索を同一フィールドで
技術的に面白い点の一つが、セマンティック検索と全文検索(キーワード検索)を同一フィールドで同時に有効化できる構成だ。
以下のコード例では、bodyフィールドにgemini-embedding-2を設定しつつ、full_text_searchも有効にしている:
from pinecone import Pinecone
pc = Pinecone(api_key="YOUR_API_KEY")
pc.indexes.create(
name="support-articles",
schema={
"fields": {
"body": {
"type": "string",
"full_text_search": {},
"embed": {
"model": "gemini-embedding-2",
"dimension": 1536,
},
}
}
},
)
index = pc.index("support-articles")
index.documents.upsert(
namespace="articles",
documents=[
{"_id": "kb-205", "body": "Refunds take five business days."},
],
)
検索時はテキストをそのまま渡す。task_typeとしてquestion_answeringを指定すれば、QAに最適化された埋め込みで検索できる:
results = index.documents.search(
namespace="articles",
top_k=5,
score_by=[
{
"type": "embed",
"fields": ["body"],
"query": "how long do refunds take",
"parameters": {"task_type": "question_answering"}
}
],
include_fields=["body"],
)
Gemini Embedding 2は入力の冒頭にドキュメントかクエリかを示す短い指示文(instruction)を必要とするモデルだが、Pineconeがすべての書き込みとクエリに自動的に適切な指示文を付加するため、利用者がモデル固有のプロンプト管理を意識する必要はない。
task_typeによる用途の切り替え
Gemini Embedding 2は単一モデルでありながら、task_typeの指定によって異なる用途に対応する。Pineconeがサポートするtask_typeは以下の通り(全リストはドキュメント参照):
- フィールドレベルで設定可能:
classification、clustering、sentence_similarity - クエリごとに指定可能:
question_answering、fact_verification、code_retrieval_query
また、100以上の言語のテキスト処理に対応している。
制約と現在の制限
- 対応インデックスはサーバーレスのDocuments APIインデックスのみ。BYOC(Bring Your Own Cloud)、ポッドベース、Records APIインデックスは非対応
- SDKサポートは現時点でコンソールとPython SDK 10.3.0のみ。Node.jsおよびGoは近日対応予定
- 画像・動画・音声へのマルチモーダル対応は将来のリリースで予定。現時点はテキストのみ
- 利用にはBuilderプラン以上が必要
料金
Builderプランには月間1,000万トークンのGemini Embedding 2利用枠が含まれる。元記事によれば、2026年12月31日までの期間限定で、この月間利用枠が2,000万トークンに拡大されるとのことだ。超過分はGoogleの定価に基づいてPineconeの請求書に合算される。
詳細はPinecone integrated embedding now supports Google's Gemini Embedding 2を参照していただきたい。