EmbeddingGemma 2：开放、轻量的多模态嵌入模型
谷歌发布开源模型EmbeddingGemma 2，可把文本、图像、音频和视频映射到同一个嵌入空间，以便统一检索和比较。它基于Gemma 4架构，参数量7.4亿，面向本地设备设计，并支持压缩输出向量。
文章要点
2026年10月6日，Google发布EmbeddingGemma 2，这是一款开源、轻量的多模态嵌入模型，可将文本、图像、音频和视频映射到同一向量空间。它基于Gemma 4，拥有7.4亿参数，以Apache 2.0许可证发布，是下载量已超过2000万次的初代EmbeddingGemma的后继。模型采用模���化设计：仅文本只需2.7亿参数，视觉编码器（1.7亿）和音频编码器（3亿）为可选。上下文窗口达8000个token，是第一版的四倍。
Google称其在参数少于10亿的多模态模型中，于MTEB Code和MAEB上取得最佳成绩，MTEB Code从68.76提升到78.68。768维向量可截短至128维以减少存储。该模型面向端侧使用，在Pixel 11 Pro上仅文本约占191MB内存。权重发布于Hugging Face和Kaggle，并兼容多种工具。
本摘要由 AnnuIA 根据 Google DeepMind 官方页面用自己的话撰写。内容及版权归发布方所有，请阅读原文。