EmbeddingGemma 2: ein offenes, leichtgewichtiges multimodales Embedding-Modell
Google veröffentlicht EmbeddingGemma 2, ein quelloffenes Modell, das Text, Bilder, Audio und Video in einen gemeinsamen Embedding-Raum abbildet, sodass sie zusammen durchsucht und verglichen werden können. Es basiert auf der Gemma-4-Architektur mit 740 Millionen Parametern, ist für lokale Geräte gedacht und erlaubt verkleinerte Ausgabevektoren.
Worum es im Artikel geht
Am 6. Oktober 2026 stellt Google EmbeddingGemma 2 vor, ein quelloffenes, leichtes, multimodales Embedding-Modell, das Text, Bilder, Audio und Video in einem gemeinsamen Vektorraum abbildet. Es basiert auf Gemma 4 mit 740 Millionen Parametern, steht unter der Apache-2.0-Lizenz und folgt auf ein erstes EmbeddingGemma mit über 20 Millionen Downloads. Es ist modular: 270 Millionen Parameter genügen für reinen Text, optional gibt es Vision- (170 Mio.) und Audio-Encoder (300 Mio.). Das Kontextfenster umfasst 8.000 Tokens, viermal so viel wie in Version 1.
Google meldet die besten Werte unter multimodalen Modellen mit weniger als einer Milliarde Parametern bei MTEB Code und MAEB; MTEB Code steigt von 68,76 auf 78,68. Die 768-dimensionalen Vektoren lassen sich bis auf 128 kürzen, um Speicher zu sparen. Das Modell zielt auf den Einsatz auf dem Gerät, mit rund 191 MB RAM für reinen Text auf einem Pixel 11 Pro. Die Gewichte liegen auf Hugging Face und Kaggle, viele Werkzeuge sind kompatibel.
Offiziellen Artikel lesen AnnuIA-Profil
Zusammenfassung von AnnuIA in eigenen Worten nach der offiziellen Seite von Google DeepMind. Inhalt und Rechte liegen beim Herausgeber: bitte den Originalartikel lesen.