EmbeddingGemma 2: um modelo de embeddings multimodal, aberto e leve
O Google lança o EmbeddingGemma 2, modelo de código aberto que coloca texto, imagens, áudio e vídeo em um espaço de embeddings comum para busca e comparação conjuntas. Baseado na arquitetura Gemma 4 com 740 milhões de parâmetros, foi pensado para dispositivos locais e permite reduzir o tamanho dos vetores.
O que diz o artigo
A 6 de outubro de 2026, a Google apresenta o EmbeddingGemma 2, um modelo de embeddings de código aberto, leve e multimodal, que coloca texto, imagens, áudio e vídeo num mesmo espaço vetorial. Baseado no Gemma 4 com 740 milhões de parâmetros e publicado sob licença Apache 2.0, sucede a um primeiro EmbeddingGemma que ultrapassou 20 milhões de descargas. É modular: bastam 270 milhões de parâmetros para só texto, com codificadores opcionais de visão (170 M) e áudio (300 M). A janela de contexto chega a 8000 tokens, quatro vezes a da versão 1.
A Google indica as melhores pontuações entre os modelos multimodais com menos de mil milhões de parâmetros em MTEB Code e MAEB, com o MTEB Code a passar de 68,76 para 78,68. Os vetores de 768 dimensões podem ser truncados até 128 para reduzir o armazenamento. O modelo destina-se a uso no dispositivo, com cerca de 191 MB de RAM para só texto num Pixel 11 Pro. Os pesos estão no Hugging Face e no Kaggle, com muitas ferramentas compatíveis.
Ler o artigo oficial Ficha AnnuIA
Resumo escrito pela AnnuIA com suas próprias palavras, com base na página oficial de Google DeepMind. O conteúdo e os direitos pertencem ao editor: consulte o artigo original.