谷歌 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，手机端 191MB 即可运行

去年谷歌推出了 EmbeddingGemma，为开发者提供轻量高质量的文本嵌入方案，下载量已超 2000 万次，广泛应用于端侧搜索工具和隐私优先检索增强生成（RAG）管线。

如今谷歌正式推出 EmbeddingGemma 2，将能力从文本扩展到代码、图像、视频、音频，可将这些内容统一映射到同一个嵌入空间。

IT之家援引博文介绍，该模型基于 Gemma 4 架构开发，采用商业友好的 Apache 2.0 许可发布，总参数为 7.4 亿，非常适合端侧推理。

EmbeddingGemma 2 基于 Gemini 嵌入模型同源技术打造，具备多项核心优势：

同尺寸顶尖性能：在子 1B 参数多模态嵌入模型中，于 MTEB Code、MAEB 等基准测试中取得领先分数，性能比肩甚至超越不少更大尺寸模型。

模块化设计：纯文本任务仅需 2.7 亿参数，可按需添加 1.7 亿参数的视觉编码器和 3 亿参数的音频编码器，实现完整多模态支持。

存储高效：借助 Matryoshka 表示学习（MRL），开发者可动态将输出向量从 768 维截断至 512、256 或 128 维，本地向量数据库存储和内存占用最高可缩减 6 倍。

端侧性能优化：在资源受限条件下仍可高效运行，量化后在谷歌 Pixel 11 Pro 上，纯文本权重仅需约 191 MB 运行内存，完整多模态模型约需 567 MB。

支持扩展上下文：配备 8K Token 上下文窗口，比初代 EmbeddingGemma 大 4 倍，可在本地硬件直接处理最长 5.5 分钟音频、29 张图像、58 个视频帧，或上述内容的交错组合。

在性能方面，EmbeddingGemma 2 保留了前代出色的多语言文本性能，同时代码性能大幅提升 9.92 分（MTEB Code 测试中从 68.76 提升至 78.68），非常适合本地代码库索引、语义代码搜索和编程代理检索。

在图像、视频、文档和音频任务中，该模型为子 1B 参数模型树立了单位参数质量新标杆，甚至性能超过不少尺寸两倍于它的专业模型。

EmbeddingGemma 2 将强大能力直接带到端侧硬件，本地生成嵌入可保障数据隐私、降低管线延迟，支持开发者搭建完全离线运行的跨模态搜索和检索系统。

搭配 Gemma 4 等生成模型，还可实现理解复杂多模态数据的端侧 RAG 管线；由于二者架构同源，共享文本分词器和音频编码器，可在统一管线中同时运行，合计内存占用更低。

开发者可在 Hugging Face 和 Kaggle 下载模型权重，很快也会登陆 Gemini Enterprise Agent Platform Model Garden。

可通过 Google AI Edge MediaPipe 开发跨平台应用，或使用 LiteRT 进行自定义模型集成，也支持 transformers.js、WebGPU 等浏览器开发方案，同时兼容 transformers、Ollama、LMStudio 等众多常用开发工具。