◉GEMINI LABEN
●NANOLITE — Nano Banana 2 Liteが登場しました。Googleで最も速く、最もコスト効率の高いGemini Imageモデルで、軽量な画像生成を安く回したい用途に向いています●OMNIFLASH — Gemini Omni Flashがpublic previewになりました。ネイティブにマルチモーダルなモデルで、企業や開発者が独自の動的な動画ワークフローを構築できます●AGENTS — Managed Agentsが拡張されました。background: trueでサーバー側の非同期実行とポーリング、リモートMCPサーバー連携、対話をまたぐ認証情報のリフレッシュに対応します●MEMORY — Memory BankのIngestEvents APIが一般提供になりました。イベントの取り込みとメモリ生成を分離し、コンテンツを継続的にストリームできます●THROUGHPUT — Provisioned Throughputで、同一モデル・同一リージョンに対して最大7件の保留オーダーを提出できるようになりました●DEPRECATE — 画像生成モデルは8月17日に、Gemini Enterprise Agent PlatformのGrok 4.1系は8月20日に停止される予定です●NANOLITE — Nano Banana 2 Liteが登場しました。Googleで最も速く、最もコスト効率の高いGemini Imageモデルで、軽量な画像生成を安く回したい用途に向いています●OMNIFLASH — Gemini Omni Flashがpublic previewになりました。ネイティブにマルチモーダルなモデルで、企業や開発者が独自の動的な動画ワークフローを構築できます●AGENTS — Managed Agentsが拡張されました。background: trueでサーバー側の非同期実行とポーリング、リモートMCPサーバー連携、対話をまたぐ認証情報のリフレッシュに対応します●MEMORY — Memory BankのIngestEvents APIが一般提供になりました。イベントの取り込みとメモリ生成を分離し、コンテンツを継続的にストリームできます●THROUGHPUT — Provisioned Throughputで、同一モデル・同一リージョンに対して最大7件の保留オーダーを提出できるようになりました●DEPRECATE — 画像生成モデルは8月17日に、Gemini Enterprise Agent PlatformのGrok 4.1系は8月20日に停止される予定です
TAG

vector-search

5 記事
← タグ一覧に戻る
関連タグ:
rag4embedding3gemini-api2production2gemini2firestore1embeddings1reembedding1indexeddb1browser1gemma-41chromadb1
⟐ Gemini 開発/2026-06-15上級

Firestore × Gemini Embeddings の RAG が静かに劣化する — 埋め込み世代交代に耐える再埋め込み設計

Firestore のネイティブベクトル検索と Gemini Embeddings で組んだ RAG は、埋め込みモデルの世代交代でベクトル空間がずれ、検索品質が静かに落ちます。ドリフトの検知、無停止の再埋め込み移行、取得コストの抑え方を実装で詰めます。

◈ Gemini API/2026-05-10中級

Gemini Embedding をブラウザに持たせる — IndexedDB でサーバーレスな FAQ 検索を作った話

数千件規模のFAQやヘルプ記事を、サーバーを立てずにブラウザ側で意味検索する設計を実装した記録です。Gemini Embedding を build 時に一度だけ叩き、IndexedDB にキャッシュして cosine 類似度で引きます。

⬡ Gemini 応用/2026-04-14上級

Gemma 4 で RAG システムを構築する——ローカルLLMとベクトル検索を組み合わせた実践アーキテクチャ

Gemma 4 の256Kコンテキストと Apache 2.0 ライセンスを活用した RAG（Retrieval-Augmented Generation）システムの設計・実装ガイド。ChromaDB、pgvector との統合、チャンキング戦略、プロダクション最適化まで完全解説。

⬡ Gemini 応用/2026-03-28中級

TurboQuantをRAG・ベクトル検索に応用する — KVキャッシュ圧縮技術の新しい活用法

Google TurboQuantの圧縮技術はLLM推論だけでなく、RAGパイプラインのベクトルデータベースにも応用可能です。埋め込みベクトルの圧縮によるメモリ効率化、検索速度向上、大規模RAGシステムへの実装アプローチを解説します。

⟐ Gemini 開発/2026-03-27上級

Gemini × LlamaIndex で構築する RAG エージェント — ドキュメント検索からマルチステップ推論まで

Gemini API と LlamaIndex で高精度な RAG エージェントを構築する実践ガイド。インデックス構築・エージェント設計に加え、チャンクサイズの実測比較、ハイブリッド検索の完全実装、検索品質の評価ループまで踏み込みます。