EmbeddingGemma 2：开源轻量级多模态嵌入模型
英文标题：EmbeddingGemma 2: an open, lightweight multimodal embedding model
Google 推出 EmbeddingGemma 2，将原有的文本嵌入能力扩展至代码、图像、视频和音频，并统一到共享的嵌入空间中。该模型基于 Gemma 4 架构，拥有 7.4 亿参数，采用商业友好的 Apache 2.0 许可证，面向设备端推理进行了优化。EmbeddingGemma 的前代产品下载量已超过 2000 万次；新版可帮助开发者通过语音备忘录查找特定视频片段，或根据文本查询检索数小时的音频记录，为本地搜索和注重隐私的 RAG 应用提供多模态基础能力。
9.8 KB
1.2 MB
中文
我们去年推出了 EmbeddingGemma，旨在提供一种轻量级的高质量文本嵌入方案，帮助你的应用直接在消费级硬件上组织、搜索和关联信息。开发者社区的反响远超我们的预期。其下载量已超过 2000 万次，开发者利用它构建了更智能的设备端搜索工具，以及以隐私为先的检索增强生成（RAG）流水线。
今天，我们发布 EmbeddingGemma 2**，**将能力从文本扩展至代码、图像、视频和音频，并将它们统一到共享的嵌入空间中。EmbeddingGemma 2 基于 Gemma 4 架构构建，并采用商业友好的 Apache 2.0 许可证发布，拥有 7.4 亿参数，使其非常适合设备端推理。它可以帮助用户根据一段语音备忘录找到特定的视频片段，或基于文本查询搜索数小时的音频录音；这一切均由单个原生多模态模型完成处理。
English / 原文
We introduced EmbeddingGemma last year to provide a lightweight option for high-quality text embeddings, to help your apps organize, search, and connect information directly on consumer hardware. The developer community’s response blew past our expectations. With more than 20 million downloads, builders have used it to power smarter on-device search tools and privacy-first retrieval augmented generation (RAG) pipelines.
Today, we’re launching EmbeddingGemma 2**,** expanding beyond text to unify code, images, video, and audio in a shared embedding space. Built on the Gemma 4 architecture and released under a commercially permissive Apache 2.0 license, EmbeddingGemma 2 has 740 million parameters, making it optimal for on-device inference. It can help find a specific video clip from a voice memo, or search through hours of audio recordings based on a text query, all processed by a single, natively multimodal model.