EmbeddingGemma 2：Google DeepMind 面向移动设备的全新多模态模型
2026 年 10 月 6 日，Google DeepMind 在官方博客上发布了 EmbeddingGemma 2，文章署名为研究人员 Sahil Dua 和 Henrique Schechter Vera。该模型总参数量为 7.4 亿，可将文本、代码、图像、视频和音频投射到同一个向量空间。它采用模块化架构，只需启用所需部分：文本与代码部分约 2.7 亿参数，视觉编码器和音频编码器分别再增加 1.7 亿和 3 亿。所有配置共享同一个向量空间，便于进行跨模态语义检索。
Google 称 Apache 2.0 许可证“commercially permissive”，即同样允许商业用途。EmbeddingGemma 2 基于 Gemma 4 架构，支持 8,192 个 token 的上下文，是第 1 版的四倍，相当于单次输入约 5.5 分钟音频、29 张图像或 58 帧视频。原生向量为 768 维，借助 Matryoshka Representation Learning 可压缩到 512、256 或 128 维，存储空间最多可减少到六分之一。Hugging Face 上的模型卡指出，在 128 维时多模态质量会明显下降，建议仅在纯文本任务中使用该尺寸。
性能方面，Google 公布的 MTEB Code 得分为 78.68，比上一版高出 9.92 分；而多语言基准 v2 几乎持平（61.36 对 61.15）。768 维下的其他基准包括：MIEB lite 64.64、MMEB v2 图像 57.28、MMEB v2 视觉文档 67.84、MMEB v2 视频 50.67、MSEB retrieval 69.54 和 MAEB 49.39。Google 表示，在 MTEB Code 和 MAEB 上，EmbeddingGemma 2 在十亿参数以下的多模态嵌入模型中排名第一。所有这些分数以及排名第一的说法都来自 Google 及其 Hugging Face 模型卡，尚未经过第三方验证。
据 Google 介绍，在 Pixel 11 Pro 上运行量化版本时，仅文本部分就占用约 191 MB 活动内存，完整模型约 567 MB。该数据由公司自行公布，且只涉及一款设备。模型权重已在 Hugging Face 和 Kaggle 上提供，众多框架均已支持（transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama、LM Studio、transformers.js/WebGPU），端侧运行则可使用 MediaPipe/LiteRT。模型卡提醒，该模型仅经过预训练，没有后训练对齐、安全调优或输出审核，开发者必须自行部署必要的防护措施。此外，不建议使用 float16，因为它可能在不报错的情况下产生 NaN 或质量下降的嵌入。
模型卡指出，在支持的 100 多种语言之间性能可能存在差异：针对意大利语的具体表现并无文档说明。登陆 Gemini Enterprise Agent Platform 的 Model Garden 被标注为“coming soon”，目前仍没有具体日期。
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- 我阅读了 blog.google 上的官方文章（日期、作者、参数、许可证、上下文、内存、MTEB Code、2000 万次下载），以及 Hugging Face 上的 google/embeddinggemma-2 模型卡（参数构成、Apache 2.0 许可证、8,192 token 上下文、Matryoshka 维度、各项基准、安全与 float16 相关提示）。两份文件内容一致。外部佐证：Unite.AI 报道了相同的数字和日期；MarkTechPost 同样标注为 10 月 6 日，但页面无法访问（403 错误）。已排除：Claude Haiku 5.5（Anthropic 无官方公告，只有泄露信息）、SynthID Bio（9 月 30 日发布，超出 7 天时间窗口）、FTC 调查（只有发言人确认，没有官方文件）。
- Incertezze
- 基准分数、内存占用以及“十亿参数以下排名第一”均为 Google 自行声明，尚未经第三方验证。内存数据只针对一款设备（Pixel 11 Pro，量化版本）。在多语言文本上，相比 v1 的提升微乎其微（61.36 对 61.15），意大利语的具体表现也没有文档说明。企业版 Model Garden 的上线时间尚未公布。
- Perché pubblicarla
- 这是一次实实在在的发布：权重可下载，许可证也是真正开放的（Apache 2.0，而不是“附带限制的开放权重”）。它让多模态检索能以智能手机级别的内存开销在设备端运行，对在意大利开发 RAG 系统和内部搜索引擎、又不想把数据发到云端的人很有意义。它延续了我们对小型开放模型（Clef、Strands Decider）的报道，但没有重复。