Google发布EmbeddingGemma 2：开源多模态嵌入模型

EmbeddingGemma 2 是目前能力最强的设备端多模态Embedding模型，能够将文本、图片、音频和视频的组合原生映射到统一的Embedding空间。

Research Engineer, Google DeepMind

Henrique Schechter Vera

Research Engineer, Google DeepMind

Your browser does not support the audio element.

去年我们推出了 EmbeddingGemma，旨在为高质量文本Embedding提供轻量级选项，帮助你的应用直接在消费级硬件上组织、搜索和连接信息。开发者社区的反响远超预期。下载量超过 2000 万次，建设者们用它来驱动更智能的设备端搜索工具和隐私优先的 RAG（检索增强生成）管道。

今天，我们发布 EmbeddingGemma 2，将能力从文本扩展到代码、图片、视频和音频，在共享的Embedding空间中实现统一。EmbeddingGemma 2 基于 Gemma 4 架构构建，采用商业友好的 Apache 2.0 许可证发布，拥有 7.4 亿参数，专为设备端推理优化。它可以帮助从语音备忘录中找到特定的视频片段，或基于文本查询在数小时的音频记录中进行搜索——所有这些都由一个原生多模态模型完成处理。

EmbeddingGemma 2 基于与 Gemini Embedding 模型相同的技术构建，具有以下特性：

同尺寸中的最佳性能： 在 MTEB（大规模文本Embedding基准）Code 和 MAEB（大规模音频Embedding基准）等基准测试中，在亚 1B 多模态Embedding模型中实现领先分数，同时在文本、视觉和音频任务上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 2.7 亿参数即可运行，可选配视觉编码器（1.7 亿）和音频编码器（3 亿）以支持完整的多模态能力。

存储高效： 采用 Matryoshka 表示学习（MRL），开发者可以将输出向量从 768 维动态截断至 512、256 或 128 维。本地向量数据库和内存使用可实现最高 6 倍的存储缩减。

设备端性能优化： 在紧张的资源约束下高效运行。使用量化时，在 Google Pixel 11 Pro 上，EmbeddingGemma 2 纯文本权重仅需约 191MB 活跃内存，完整多模态模型仅需约 567MB。

扩展上下文支持： 具备 8K token 的上下文窗口（是 EmbeddingGemma 1 的 4 倍），可本地硬件上直接处理最多 5.5 分钟的音频、29 张图片、58 帧视频或其交错组合。

在代码、视觉和音频领域达到顶级质量

EmbeddingGemma 2 在保持 EmbeddingGemma 强大多语言文本性能的同时，在代码性能上实现了 9.92 点的显著提升（MTEB Code 从 68.76 提升至 78.68），非常适合本地代码库索引、语义代码搜索和编码 Agent 检索。在图片、视频、文档和音频方面，它为亚 1B 模型设立了质量与参数比的新标准，甚至超越了一些参数规模是其两倍多的专业模型。

完整的评估指标和模型信息请参阅 EmbeddingGemma 2 模型卡片。

实现语义搜索、路由和检索，完全设备端运行

EmbeddingGemma 2 将强大能力直接带到边缘硬件。本地生成Embedding有助于保障数据隐私、减少管道延迟，并使开发者能够构建完全离线运行的多模态搜索和检索系统。

与 Gemma 4 等生成模型搭配使用时，EmbeddingGemma 2 能够构建理解复杂多模态数据的设备端 RAG 管道。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，开发者可以在统一管道中以更低的总内存占用同时运行这两个模型。

• 使用文本或图片基于语义相似度在媒体库中找到最匹配的结果。在 Google AI Edge Gallery 的即时媒体搜索中体验。
• 使用文本或音频查询定位视频中的特定时刻。在 Google AI Edge Gallery 的视频时刻查找器中体验。
• 将 EmbeddingGemma 2 用于本地文件检索，Gemma 4 用于上下文推理。在 Google AI Edge Foresight 应用中体验。
• 通过 MediaPipe Decision Task API 利用多模态上下文创建实时决策引擎，支持分类、路由和预测能力。

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。

开始使用 EmbeddingGemma 2

我们与以下合作伙伴紧密协作，确保 EmbeddingGemma 2 在你构建的地方立即可用：

下载模型： 在 Hugging Face 和 Kaggle 上获取模型权重，Gemini Enterprise Agent Platform Model Garden 即将上线。访问 Hugging Face 上的 LiteRT Community 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，实现现成的Embedding、检索和决策任务
• 使用 LiteRT 进行自定义模型集成
• 使用 transformers.js 或 WebGPU 构建浏览器端应用

使用你喜欢的开发工具：

• 使用 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio 高效服务模型
• 使用 Qdrant 存储Embedding向量

微调： 遵循 Unsloth 的指导，了解如何针对你的使用场景微调 EmbeddingGemma 2。

探索我们的开发者指南、文档以及推理和微调指南。