5月6日消息，Google 为 Gemini API 的文件搜索（File Search）工具推出三项核心更新，覆盖从检索能力到溯源精度的完整链路：基于 gemini-embedding-2 原生多模态模型实现的图文统一向量化、自定义元数据支持对文件池做细粒度过滤，以及 grounding metadata 中新增的页码回链与图片溯源能力。三项更新同步上线 Gemini API 及 Google AI Studio，已向所有 API 用户开放。 产品机制
多模态嵌入：图像不再需要 OCR
Gemini File Search 此前仅支持文本嵌入（gemini-embedding-001），用户若想对 PDF 中的图片做检索，需自行 OCR 转文本后再入库。这次更新的关键变化是 embedding_model 参数可切换至 models/gemini-embedding-2——这是 Google 首个原生多模态嵌入模型，能将文本与图像（PNG/JPEG）统一映射到同一向量空间。 具体流程为：创建 FileSearchStore 时指定 embedding_model: "models/gemini-embedding-2"，随后通过 uploadToFileSearchStore 或 importFile API 上传文件。系统自动对文件分块、生成多模态嵌入并建立索引。查询时无需区分内容模态，File Search 工具在图文混合的文档库中同时检索文本片段和图像块，返回最相关的语义匹配结果。
图片文件要求：分辨率上限 4K×4K，每请求最多 6 张图片，支持格式为 PNG、JPEG。音频和视频目前仍不支持。
自定义元数据过滤：从全库搜索到桶内精筛
当 FileSearchStore 内积累大量文档后，全库搜索的精确度会下降。新引入的 custom_metadata 和 metadata_filter 参数解决了这一问题：上传文件时可附加键值对——字符串或数值——查询时通过 metadata_filter 参数做条件筛选，例如只搜索 category="footwear" AND season="spring-2026" 的文件子集。
Google 使用的过滤条件语法基于 google.aip.dev/160，支持等于、不等于、范围比较等操作符。该能力在内置 RAG 场景下意义明显：当企业将产品目录、技术文档、合规文件存储在同一个 FileSearchStore 时，可按维度精准限定搜索范围，而非对所有文档做批量语义检索。
精确引用回链：含页码与图片下载
Grounding metadata 中的 retrieved_context 对象新增两个属性：
- page_number：对 PDF 等多页文档，直接返回源信息所在的具体页码。通过 response.grounding_metadata.grounding_chunks[i].retrieved_context.page_number 获取。
- media_id：当模型引用的是图像块时，返回该图像的唯一标识，开发者可通过 file_search_stores.download_media() 直接下载被引用的图片块，实现视觉层面的可验证溯源。
此外，Gemini 3 系列模型支持将 File Search 与结构化输出（JSON Schema）配合使用，开发者可定义输出格式约束，让 RAG 应用的响应更可靠。
竞品观察
当前主流平台中，OpenAI 的 Retrieval Augmented Generation（RAG）工具同样支持多模态文件（文本+图片），但在 grounding 层面默认返回源文件路径而非精确页/图级引用；Anthropic 的 Tool Use + 自定义知识库方案在元数据过滤层面支持类似筛选，但其文件上传后的嵌入模型不可选（固定为内部的纯文本嵌入），且目前不支持多模态向量检索。
三家取向不同：OpenAI 在工具易用性和生态集成上占优，Anthropic 在安全护栏和可控性上更深入，Google 的差异化在于嵌入模型的可选性（gemini-embedding-001 vs gemini-embedding-2），以及 grounding 元数据的字段粒度（页码 + media_id）。企业级 RAG 选型时，按溯源精度、模态覆盖与成本结构三轴交叉组合更为常见。
局限性与需要关注的
音频和视频暂不支持：gemini-embedding-2 模型本身已具备多模态能力，但 File Search 工具在发布时仅覆盖文本与图像，音频和视频格式的文件搜索被列明为「目前不支持」，这在本土的多模态 RAG（如客服录音检索、视频片段定位）中是一个显著缺口。
批量嵌入成本需估算：虽然查询阶段的存储与嵌入免费，但首次索引嵌入仍按量收费。企业用户在将历史文档全量迁移至 FileSearchStore 前，建议先按文档总量与分块数估算一次嵌入费用，避免批量操作后意外超支。
文件 48 小时自动删除：通过 File API 上传后导入 FileSearchStore 的原始文件，在 48 小时后会被自动删除（嵌入数据保留）。开发者需要自行维护原始文件副本或迁移流程，否则在重新索引或嵌入模型更新时可能丢失原始文件。
Google Gemini API File Search 的相关文档、价格与示例代码已更新至 ai.google.dev/gemini-api/docs/file-search，可以通过 Google AI Studio 直接体验。所有功能细节以官方最新说明为准。
AI 速览
