Cloudflare הודיעה ב־12 בנובמבר 2026 כי EmbeddingGemma 2 של Google DeepMind זמין דרך Workers AI. השינוי המעשי הוא מסלול מתארח לחיפוש באוספים המשלבים טקסט, תמונות, אודיו ווידאו, ולא צ׳אטבוט חדש שמנסח תשובות.
מדוע מרחב חיפוש משותף חשוב
Embedding, או שיכון, הוא ייצוג מספרי המשמש להשוואת תוכן. הצבת סוגי מדיה שונים במרחב תואם יכולה לעזור לשאילתת טקסט למצוא תמונה או הקלטה, ולא רק מסמך המכיל את אותן מילים. לצוות IT זו יכולה להיות דרך לחפש במאגר ידע בלי לבנות מסלול אחזור נפרד לכל פורמט.
Cloudflare מציינת פלט ברירת מחדל של 768 ממדים וחלופות קצרות של 128, 256 ו־512 ממדים. הודעת הזמינות המתוארכת היא החדשות כאן; היא אינה ראיה שהמודל נוצר לראשונה באותו יום או שכל יישום ירוויח ממעבר אליו.
שלוש בדיקות לפני החלפת אינדקס
- שומרים על ייצוג עקבי. השאילתות והתוכן השמור צריכים להשתמש בשיכונים תואמים ובאותו גודל שנבחר. כדאי לתכנן אינדקס ניסוי נפרד, במקום לערבב וקטורים ישנים וחדשים ולהניח שהדירוגים נשארים בעלי משמעות.
- בודקים את המדיה שיש לכם בפועל. כללו חיפושים קשים, תוצאות לא רלוונטיות וחומר המשלב עברית ואנגלית. מרחב וקטורים משותף הוא יכולת, לא הבטחת איכות שנמדדה על המסמכים שלכם.
- משמרים הרשאות. דירוג לפי דמיון אינו אישור גישה. סננו את התוצאות לפי הרשאות המשתמש ובדקו הסרה של חומר מוגבל או מחוק לפני חשיפת החיפוש לעובדים.
גם המגבלות והמחיר הם חלק מההחלטה
תיעוד המודל ב־Workers AI מציין חלון קלט של 8,192 טוקנים המשותף לכל התוכן בשיכון אחד. הוא דורש נתוני מדיה ולא כתובות מרוחקות לקובצי מדיה, ומתעד קידומות משימה לאחזור טקסט. מחיר הקלט המוצג בעת בדיקת הכתבה הוא $0.0017 למיליון טוקנים. זו אינה העלות המלאה של קליטת התוכן, אחסון הווקטורים או היישום שסביבם.
בניסוי ראשוני, השוו תוצאות שימושיות ברשימה באורך קבוע ותעדו כשלים, זמני תגובה ועלות תפעול כוללת. החליטו אם הווקטורים הקצרים משתלמים על בסיס הממצאים, ולא רק לפי המקום שהם חוסכים באחסון.
מגבלות: זהו הסבר על הזמינות שהוכרזה ועל הממשק המתועד. לא הרצנו את המודל, לא מדדנו את איכות האחזור ולא בדקנו דיוק בעברית. שימוש בשירות המתארח מחייב גם לבדוק איזה תוכן הארגון מתיר להעביר לספק זה.