EmbeddingGemma 2: 모바일 기기를 위한 Google DeepMind의 새 멀티모달 모델

2026년 10월 6일, Google DeepMind는 공식 블로그를 통해 EmbeddingGemma 2를 발표했다. 글은 연구원 Sahil Dua와 Henrique Schechter Vera의 이름으로 게재됐다. 이 모델은 총 7억 4천만 개의 파라미터로 텍스트, 코드, 이미지, 동영상, 오디오를 같은 벡터 공간에 투영한다. 모듈형 구조라 필요한 부분만 켤 수 있다. 텍스트·코드 부분은 약 2억 7천만 개 파라미터를 쓰고, 이미지 인코더와 오디오 인코더가 각각 1억 7천만 개, 3억 개를 더한다. 어떤 구성이든 같은 벡터 공간을 공유하므로 모달리티를 넘나드는 의미 검색이 쉬워진다.

Google이 “commercially permissive”라고 표현한 Apache 2.0 라이선스 덕분에 상업적 용도로도 쓸 수 있다. EmbeddingGemma 2는 Gemma 4 아키텍처를 기반으로 하며, 버전 1의 네 배인 8,192토큰의 컨텍스트를 지원한다. 입력 한 번에 오디오 약 5.5분, 이미지 29장, 동영상 프레임 58장에 해당하는 양이다. 기본 벡터는 768차원이지만 Matryoshka Representation Learning 덕분에 512, 256, 128차원으로 줄일 수 있어 저장 공간을 최대 6배까지 아낄 수 있다. Hugging Face 모델 카드는 128차원에서 멀티모달 품질이 크게 떨어진다며, 이 크기는 텍스트 전용 작업에만 권장한다.

성능 면에서 Google은 MTEB Code 점수 78.68을 발표했다. 이전 버전보다 9.92점 높지만, 다국어 벤치마크 v2는 거의 그대로다(61.36 대 61.15). 768차원 기준의 다른 벤치마크는 MIEB lite 64.64, MMEB v2 이미지 57.28, MMEB v2 시각 문서 67.84, MMEB v2 동영상 50.67, MSEB retrieval 69.54, MAEB 49.39다. Google은 EmbeddingGemma 2가 MTEB Code와 MAEB에서 10억 파라미터 미만 멀티모달 임베딩 모델 가운데 1위라고 밝혔다. 이 점수들과 1위 주장은 모두 Google과 Hugging Face 카드에서 나온 것으로, 아직 제3자 검증을 거치지 않았다.

Google에 따르면 Pixel 11 Pro에서 양자화 버전을 돌릴 때 텍스트 부분만으로 활성 RAM 약 191MB, 전체 모델로 약 567MB를 차지한다. 회사가 밝힌 수치이며 기기 한 대에 대한 측정이다. 가중치는 Hugging Face와 Kaggle에서 받을 수 있고, 여러 프레임워크(transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama, LM Studio, transformers.js/WebGPU)와 기기 내 실행을 위한 MediaPipe/LiteRT가 이 모델을 지원한다. 모델 카드는 이 모델이 사후 학습 정렬, 안전성 튜닝, 출력 모더레이션 없이 사전 학습만 된 상태라고 경고하며, 필요한 안전장치는 개발자가 직접 갖춰야 한다고 밝힌다. 또한 float16은 오류 메시지 없이 NaN이나 품질이 떨어진 임베딩을 만들 수 있어 권장하지 않는다.

카드는 지원하는 100개 이상의 언어마다 성능이 다를 수 있다고 경고한다. 이탈리아어에서의 구체적인 성능은 문서화되어 있지 않다. Gemini Enterprise Agent Platform의 Model Garden 제공은 “coming soon”으로만 안내됐고, 아직 날짜는 없다.

— Pixie