2026年10月6日

|

EmbeddingGemma 2 是设备端多模态嵌入能力最强的模型，可将文本、图像、音频和视频的组合原生映射到统一的嵌入空间。

Sahil Dua

Google DeepMind 研究工程师

Henrique Schechter Vera

Google DeepMind 研究工程师

Image 1: EmbeddingGemma 2

Audio 3

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 仍处于实验阶段

我们去年推出了 EmbeddingGemma，旨在为高质量文本嵌入提供一种轻量级选择，帮助您的应用直接在消费级硬件上组织、搜索和连接信息。开发者社区的反馈远超我们的预期。凭借超过 2000 万次下载，开发者已用它来驱动更智能的设备端搜索工具和隐私优先的检索增强生成（RAG）流水线。

今天，我们推出 EmbeddingGemma 2**，**将能力从文本扩展到在共享嵌入空间中统一代码、图像、视频和音频。EmbeddingGemma 2 基于 Gemma 4 架构构建，并以商业友好的 Apache 2.0 许可证发布，拥有 7.4 亿参数，非常适合设备端推理。它可以帮助从语音备忘录中找到特定视频片段，或根据文本查询搜索数小时的音频录音，所有这些都由一个单一的原生多模态模型处理。

EmbeddingGemma 2 采用与 Gemini Embedding 模型相同的技术构建，具备以下特点：

  • 同尺寸中最佳： 在 MTEB（Massive Text Embedding Benchmark）Code 和 MAEB（Massive Audio Embedding Benchmark）等基准测试中，于 10 亿参数以下的多模态嵌入模型中取得同尺寸领先分数，同时在文本、视觉和音频任务中匹配或超越许多更大的模型。
  • 模块化设计： 纯文本工作负载仅需 270M 参数，并可选用视觉（170M）和音频（300M）编码器以实现完整多模态支持。
  • 存储高效： 使用 Matryoshka 表示学习（MRL），开发者可以将输出向量从 768 维动态截断到 512、256 或 128 维。这为本地向量数据库和内存使用提供了最高 6 倍的存储缩减。
  • 针对设备端性能优化： 可在严格的资源限制下高效运行。经过量化后，在 Google Pixel 11 Pro 上，EmbeddingGemma 2 的纯文本权重仅需约 191MB 活动 RAM，完整多模态模型约需 567MB。
  • 支持扩展上下文： 具有 8K token 上下文窗口（比 EmbeddingGemma 1 大 4 倍），允许直接在本地硬件上处理最长 5.5 分钟的音频、29 张图像、58 个视频帧，或其交错组合。

为代码、视觉和音频实现顶级质量

EmbeddingGemma 2 在保持 EmbeddingGemma 强大的多语言文本性能的同时，在代码性能上实现了显著的 9.92 分提升（在 MTEB Code 中，从 68.76 提升到 78.68），使其非常适合本地代码库索引、语义代码搜索和编码代理检索。在图像、视频、文档和音频方面，它为 10 亿参数以下模型设定了每参数质量的新标准，甚至超越了一些规模超过其两倍的专用模型。

Image 2: Massive Text Embedding Benchmark (Code)

Image 3: Massive Image Embedding Benchmark (Lite)

Image 4: Massive Audio Embedding Benchmark

在 EmbeddingGemma 2 模型卡中查看完整评估指标和模型信息。

完全在设备端实现语义搜索、路由和检索

EmbeddingGemma 2 将强大能力直接带到边缘硬件。本地生成嵌入有助于确保数据隐私、降低流水线延迟，并赋能开发者构建完全离线运行的跨模态搜索和检索。

当与 Gemma 4 等生成模型配合使用时，EmbeddingGemma 2 可支持理解复杂多模态数据的设备端 RAG 流水线。由于 EmbeddingGemma 2 基于 Gemma 4 构建，并共享其文本分词器和音频编码器，开发者可以在统一流水线中同时运行两个模型，并降低组合总内存占用。

要了解如何使用 LiteRT 构建设备端搜索和 RAG 系统，请阅读 Google AI Edge 博客文章。

EmbeddingGemma 2 入门

我们与以下合作伙伴密切合作，确保 EmbeddingGemma 2 可在您构建的环境中立即使用：

  • 下载模型： 在 Hugging Face 和 Kaggle 上查找模型权重，Gemini Enterprise Agent Platform Model Garden 也将很快提供。访问 Hugging Face 上的 LiteRT 社区获取针对设备端优化的模型。
  • 设备端部署： 使用 Google AI Edge MediaPipe 开发跨平台应用，以实现开箱即用的嵌入、检索和决策任务，或使用 LiteRT 进行自定义模型集成。使用 transformers.js 或 WebGPU 为浏览器构建。
  • 使用您喜爱的开发工具：使用 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio 高效服务该模型。使用 Qdrant 存储您的嵌入向量。
  • 微调： 遵循 Unsloth 的指南，了解如何针对您的用例微调 EmbeddingGemma 2。

探索我们的开发者指南、文档，以及关于推理和微调的指南。

本文内容采集自官方网站，排版和翻译可能与原页面存在差异。

阅读官方全文