EmbeddingGemma 2: het nieuwe multimodale model van Google DeepMind voor mobiele apparaten

Op 6 oktober 2026 kondigde Google DeepMind EmbeddingGemma 2 aan op zijn officiële blog, in een bericht ondertekend door de onderzoekers Sahil Dua en Henrique Schechter Vera. Het model telt in totaal 740 miljoen parameters en projecteert tekst, code, afbeeldingen, video en audio in dezelfde vectorruimte. Dankzij de modulaire architectuur zet je alleen de onderdelen aan die je nodig hebt: het tekst-en-codegedeelte gebruikt zo'n 270 miljoen parameters, de beeld- en audio-encoders voegen er respectievelijk 170 en 300 miljoen aan toe. Alle configuraties delen dezelfde vectorruimte, wat semantisch zoeken over modaliteiten heen eenvoudig maakt.

De Apache 2.0-licentie, door Google „commercially permissive” genoemd, staat ook commercieel gebruik toe. EmbeddingGemma 2 is gebouwd op de Gemma 4-architectuur en ondersteunt een context van 8.192 tokens, vier keer zo groot als bij versie 1. Dat komt per invoer neer op ongeveer 5,5 minuut audio, 29 afbeeldingen of 58 videoframes. De standaardvectoren hebben 768 dimensies, maar dankzij Matryoshka Representation Learning kun je ze terugbrengen tot 512, 256 of 128 dimensies, wat tot 6 keer minder opslag kost. De modelkaart op Hugging Face meldt een flinke kwaliteitsdaling voor multimodale taken bij 128 dimensies en raadt die grootte alleen aan voor puur tekstuele toepassingen.

Qua prestaties meldt Google een MTEB Code-score van 78,68, 9,92 punten hoger dan de vorige versie, terwijl de meertalige benchmark v2 vrijwel gelijk blijft (61,36 tegenover 61,15). Andere benchmarks bij 768 dimensies: MIEB lite 64,64, MMEB v2 afbeeldingen 57,28, MMEB v2 visuele documenten 67,84, MMEB v2 video 50,67, MSEB retrieval 69,54 en MAEB 49,39. Volgens Google staat EmbeddingGemma 2 op MTEB Code en MAEB op de eerste plaats onder de multimodale embedders met minder dan een miljard parameters. Al deze scores, net als die eerste plaats, komen van Google en zijn Hugging Face-kaart en zijn nog niet door derden geverifieerd.

Volgens Google neemt op een Pixel 11 Pro, in gekwantiseerde vorm, het tekstgedeelte alleen ongeveer 191 MB actief RAM in beslag en het volledige model ongeveer 567 MB. Het cijfer komt van het bedrijf zelf en betreft één apparaat. De gewichten staan op Hugging Face en Kaggle, en het model wordt ondersteund door tal van frameworks (transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama, LM Studio, transformers.js/WebGPU) en door MediaPipe/LiteRT voor uitvoering op het apparaat zelf. De kaart waarschuwt dat het model alleen voorgetraind is, zonder alignment na de training, zonder safety tuning en zonder moderatie van de uitvoer; ontwikkelaars moeten zelf de nodige waarborgen inbouwen. Ook wordt float16 afgeraden, omdat het NaN-waarden of verslechterde embeddings kan opleveren zonder een fout te melden.

De kaart waarschuwt dat de prestaties kunnen verschillen tussen de ruim 100 ondersteunde talen: hoe het model specifiek in het Italiaans presteert, is niet gedocumenteerd. De komst naar de Model Garden van het Gemini Enterprise Agent Platform is aangekondigd als „coming soon”, nog zonder datum.

— Pixie