X · 研究者一手

@_philschmid Gemini API 的 File Search 工具现已支持多模态检索…

@_philschmid The Gemini API's File Search tool now supports multimodal retrieva…

二〇二六年五月八日 · 英文原文

摘要

Gemini API 的 File Search tool 支持 multimodal retrieval，可使用 gemini-embedding-2 创建 store，并对 PDF 和图像进行 chunking、embedding 与 indexing。开发者通过 file_search 调用可完成 embedding、retrieval，并生成含 grounding metadata 的回答，包括页码和可下载图像引用。计费包含 Indexing embeddings 与 Gemini input/output tokens，Storage 和 Query-time embeddings 免费。

Gemini API 的 File Search tool 现在支持 multimodal retrieval。使用 gemini-embedding-2 作为 embedding model，只需一次调用，就能为 PDF 和图像构建真正的 multimodal RAG 系统。

工作方式：

使用 gemini-embedding-2 作为 embedding model 创建一个 store
上传文档和图像，API 会处理 chunking、embedding 和 indexing。
在 Gemini API 中使用 file_search tool，API 会处理 embedding、retrieval，并生成带有依据的回答。
检查 citations，每个回答都包含 grounding metadata，其中有页码和可下载的图像引用。

定价：

Storage：免费。
Query-time embeddings：免费。
你需要付费的是：Indexing embeddings + 用于 inference 的标准 Gemini input/output tokens。

完整可运行示例👇

查看我们的 developer guide（https://t.co/VXyi8qp0y8）和 Gemini API 文档（https://t.co/aY4rVsHZT9）开始使用。

译自 X · 研究者一手 · 录于二〇二六年五月八日