EmbeddingGemma 2 : un modèle d'embedding multimodal ouvert et léger
Google publie EmbeddingGemma 2, un modèle open source qui place texte, images, audio et vidéo dans un même espace d'embeddings pour les rechercher et comparer ensemble. Fondé sur l'architecture Gemma 4 avec 740 millions de paramètres, il est conçu pour tourner en local et permet de réduire la taille de ses vecteurs.
Ce que dit l'article
Google présente, le 6 octobre 2026, EmbeddingGemma 2, un modèle d'embeddings open source, léger et multimodal, qui projette texte, images, audio et vidéo dans un même espace vectoriel. Basé sur Gemma 4 avec 740 millions de paramètres et publié sous licence Apache 2.0, il succède à un premier EmbeddingGemma qui a dépassé 20 millions de téléchargements. Il est modulaire : 270 millions de paramètres suffisent pour le texte seul, avec des encodeurs vision (170 M) et audio (300 M) optionnels. Sa fenêtre de contexte atteint 8 000 tokens, soit quatre fois celle de la version 1.
Google annonce les meilleurs scores parmi les modèles multimodaux de moins d'un milliard de paramètres sur MTEB Code et MAEB, MTEB Code passant de 68,76 à 78,68. Les vecteurs de 768 dimensions peuvent être tronqués jusqu'à 128 pour réduire le stockage. Le modèle vise l'usage sur appareil, avec environ 191 Mo de RAM pour le texte seul sur un Pixel 11 Pro. Les poids sont sur Hugging Face et Kaggle, avec de nombreux outils compatibles.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de Google DeepMind. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.