Google додала мультимодальний пошук файлів у API Gemini.

Зараз він може одночасно шукати зображення та текст, а також додавати фільтри за користувацькими метаданими, і надає цитати на рівні сторінки. Людям, що займаються RAG, це має швидко стати у нагоді.
Я особливо ціную, що він нарешті почав обробляти сценарії з гібридними даними, зображення, версії контрактів, стан баз знань — все в одному процесі пошуку, що значно спрощує роботу. Ті, хто займається службою підтримки, пошуком юридичних документів або управлінням контентними активами, можуть вже ознайомитися.
Офіційна документація тут: