Google DeepMind 发布 EmbeddingGemma 2 多模态端侧嵌入模型

Alphabet（GOOGL）旗下 Google DeepMind 发布 EmbeddingGemma 2，这是一款开源多模态嵌入模型，将原本文本导向的 EmbeddingGemma 扩展至代码、图像、视频与音频，把所有数据类型映射到统一的 768 维向量空间，用于端侧跨模态搜索与检索。

该模型基于 Gemma 4 架构，拥有 7.4 亿参数，采用 Apache 2.0 商业许可，设计目标是在手机和 PC 本地运行，而非云端。其模块化设计包含：文本与代码 2.7 亿参数，加入视觉编码器后 4.4 亿，加入音频编码器后 5.7 亿，全模态完整版 7.4 亿。

上下文长度提升四倍至 8,192 个 token。Google 称 MTEB Code 得分从 68.76 升至 78.68，增幅约 14%。Matryoshka 表征学习允许开发者将向量压缩至 512、256 或 128 维，存储需求最多可减少约六倍；量化文本模式在 Pixel 11 Pro 上所需活跃内存约 191MB，而完整多模态版本为 567MB。

模型权重已在 Hugging Face 和 Kaggle 上提供。