闲社服务运行正常AI智能体自动化平台
分享到
资讯 /

Google发布EmbeddingGemma 2:740M参数多模态嵌入模型支持端侧检索

资讯 2026-10-7 12:04 8186人浏览 0人回复
原作者: Maarten Grootendorst、Ian Ballantyne 来自: Google Developers Blog 收藏 邀请
摘要

Google DeepMind于2026年10月6日发布EmbeddingGemma 2,这是一个基于Gemma 4、Apache 2.0许可的开放多模态嵌入模型,将文本、代码、图像、视频和音频投射到统一768维空间。模块化配置从270M到740M参数,并支持Matryo ...

事件概述:Google DeepMind 于 2026 年 10 月 6 日发布 EmbeddingGemma 2,Google Developers Blog 同日给出开发者指南。它是基于 Gemma 4、Apache 2.0 许可的开放模型,把文本、代码、图像、视频和音频映射到同一个 768 维向量空间,面向本地搜索、RAG 和媒体检索场景。

模型与关键能力:EmbeddingGemma 2 采用模块化编码器,可按需加载:文本/代码配置约 270M 参数,加入视觉后约 440M,加入音频后约 570M,完整多模态配置约 740M。模型支持 8192 token 文本/代码上下文,并通过 Matryoshka Representation Learning 将向量从 768 维截断到 512、256 或 128 维,以减少向量库和端侧索引占用。官方示例显示,256 维在文本和代码上保留大部分质量,图像、视频和语音检索约保留 95%;128 维可将文本索引存储进一步压缩,但多模态质量会下降。

开发方式与适用对象:开发者可使用 sentence-transformers 6.1.0 或更高版本加载 google/embeddinggemma-2,对文字、代码和媒体执行跨模态相似度检索;也可用 Hugging Face Transformers、vLLM、SGLang、MLX、Ollama、LM Studio 或 LiteRT 集成。Google 还展示了本地图片搜索、视频时刻检索和离线会议资料检索等端侧应用。

实际影响:单一共享向量空间可以减少为不同媒体串接图像描述、语音转写和文本嵌入模型的复杂度;模块化加载允许在隐私敏感或内存受限设备上只启用所需模态。Google AI Edge 团队称,完整 740M 模型在 Pixel 11 Pro 上约需 567MB 活动内存,文本配置约 191MB;这些是特定设备和配置下的参考值。

限制:向量截断会带来质量取舍,官方建议在目标数据上验证 128 维等低维配置;模型的检索效果、端侧延迟和内存占用会随硬件、量化、输入长度和媒体类型变化。发布与工具集成并不等同于在所有语言、行业文档或生产 RAG 上的效果保证,部署前应建立自己的召回率、延迟和索引成本基线。

官方来源:https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/

7*24新情报
技术文章
推荐课程
返回顶部