Google EmbeddingGemma 2 — это открытая мультимодальная модель эмбеддингов на 740M параметров, созданная для локального поиска на устройствах по тексту, коду, изображениям, аудио и видео.
Назначение продукта и его официальное позиционирование
Google EmbeddingGemma 2 — это легковесная нативно-мультимодальная модель эмбеддингов, разработанная для локального инференса на периферийных устройствах. Созданная на базе архитектуры Gemma 4, модель проецирует текст, программный код, изображения, аудиозаписи и видеокадры в единое векторное пространство.
Модель использует модульную структуру, позволяя разработчикам выполнять чисто текстовые задачи с 270 миллионами параметров или подключать специализированные энкодеры зрения и аудио для полноценной мультимодальной поддержки. Она также включает технологию Matryoshka Representation Learning для гибкого уменьшения размерности векторов в условиях ограниченного объема хранилища.
Сценарии, подтверждённые официальными источниками
Разработчики могут локально индексировать библиотеки фотографий и видео для выполнения семантического поиска с помощью естественного языка или изображений.
Инструменты разработки могут индексировать файлы исходного кода для работы автономного семантического поиска по коду и систем поиска для ИИ-агентов.
Приложения могут объединять эту модель эмбеддингов с генеративными языковыми моделями для извлечения контекстных локальных данных в различных форматах.
Архитектура EmbeddingGemma 2 разработана для эффективной работы на оборудовании с различными характеристиками за счет разделения всех 740 миллионов параметров на модульные компоненты. Разработчики, работающие исключительно с текстовыми задачами, могут развернуть базовую модель на 270M параметров, тогда как приложения для обработки мультимедиа могут дополнительно подключать энкодеры зрения на 170M и аудио на 300M параметров.
Для оптимизации производительности в локальных векторных базах данных модель использует технологию Matryoshka Representation Learning. Этот механизм позволяет усекать стандартные 768-мерные эмбеддинги до 512, 256 или 128 измерений, уменьшая занимаемый объем хранилища векторов почти в шесть раз при сохранении семантической целостности.
Проверки на собственных материалах и рабочих процессах
Какие источники и когда были проверены
Ответы на основе карточки продукта с проверенными источниками
EmbeddingGemma 2 нативно обрабатывает текст, исходный код, изображения, видеокадры и аудиозаписи в рамках единого общего пространства эмбеддингов.
В квантованном виде на устройстве Google Pixel 11 Pro модели требуется около 191 МБ активной оперативной памяти для операций только с текстом и около 567 МБ для полной мультимодальной модели.
Модель оснащена контекстным окном на 8000 токенов, что позволяет ей обрабатывать до 5,5 минут аудио, 29 изображений, 58 видеокадров или их чередующиеся комбинации.
С помощью Matryoshka Representation Learning выходные векторы можно усекать с 768 измерений до 512, 256 или 128 измерений для уменьшения размера базы данных.
Поскольку модель построена на архитектуре Gemma 4, EmbeddingGemma 2 использует общий с Gemma 4 текстовый токенизатор и аудиоэнкодер, снижая совокупное потребление памяти.
