Google DeepMind 正式发布 EmbeddingGemma 2，这是一款开放的多模态嵌入模型，可将文本、代码、图像、视频和音频统一映射到同一个 768 维向量空间。该模型拥有 740M 参数、8,192 token 的上下文窗口，采用 Apache 2.0 许可，主要面向端侧搜索、分类以及隐私优先的 RAG 场景。目前权重已在 Hugging Face 和 Kaggle 上线，并同步提供 Ollama、llama.cpp GGUF 与 LiteRT 构建版本，开发者可以立即部署使用。
嵌入模型的作用是把内容转换成能够表达含义的数字向量，语义相近的内容在向量空间中彼此靠近，因此便于检索和比较。在 RAG 流程中，这些向量让大语言模型能够取回训练数据之外的最新信息。在本地生成嵌入可以让数据保留在设备上，同时降低延迟并支持离线运行。
EmbeddingGemma 2 基于 Gemma 4 架构，设计高度模块化，由三个部分组成：文本与代码骨干网络为 270M 参数（其中 130M 为 transformer、140M 为 embedder）；视觉编码器为 170M 参数，可选加载；音频编码器为 300M 参数，同样可选。开发者可以按需组合，纯文本只需 270M，文本加视觉为 440M，文本加音频为 570M，全部模态则为 740M，而且所有配置共享同一个向量空间——用纯文本配置生成的查询向量，可以直接匹配由完整模型嵌入的文档。模型支持跨模态检索，例如用文字查询检索照片，或用语音备忘录检索视频片段；像同时包含文字、图片和演示视频的商品页面这样的交错输入，也会生成单一嵌入。上下文窗口为 8,192 token，相比第一代扩大 4 倍，约可容纳 29 张图片、58 帧视频或 5.5 分钟音频。
在基准测试方面，Google 研究团队称该模型在参数低于 10 亿的多模态嵌入模型中取得领先成绩，尤其在 MTEB Code 和 MAEB 上表现突出。768 维全精度结果包括：MTEB 多语言 v2 为 61.36（第一代为 61.15）；MTEB Code v1 为 78.68（第一代为 68.76）；MIEB lite 图像任务为 64.64；MMEB v2 整体为 59.01；MSEB 声音检索为 69.54；MAEB 音频为 49.39。代码检索提升 9.92 分，约 14%，多语言文本质量保持稳定。不过，规模更大的模型仍在部分榜单上领先，例如 Qwen3-VL-Embedding-2B 在其自测的 MMEB-V2 上报告 73.2，参数量约为 2.7 倍，且不支持音频。
在端侧部署方面，量化后的 EmbeddingGemma 2 在 Pixel 11 Pro 上，纯文本权重的活跃内存约为 191MB，完整多模态模型约需 567MB。量化感知训练把权重压缩为 INT4 和 INT8。Google AI Edge 团队在 MacBook M5 Pro GPU 上测得每张图片 37.3 毫秒的处理速度，使用的是 70 token 的视觉预算。Matryoshka 表示学习（MRL）允许开发者把向量截断到 512、256 或 128 维：从 768 维降到 128 维最多可减少 6 倍存储；在 256 维时，MTEB 多语言仅从 61.36 微降到 60.41；在 128 维时，MMEB 降至 45.65，因此 Google 建议 128 维主要用于纯文本工作负载。
与最接近的竞品相比，EmbeddingGemma 2 的定位较为独特。对比对象包括 EmbeddingGemma 1、Qwen3-VL-Embedding-2B、LCO-Embedding-Omni-3B 和 Gemini Embedding 2。参数规模上分别为 740M（纯文本 270M）、308M、2B、3B 骨干（Hugging Face 页面标注为 5B）以及未披露。文本和代码方面五者均支持；图像和视频方面除第一代外基本都支持；音频方面 EmbeddingGemma 2 与 LCO 支持，Qwen 不支持，Gemini 支持。输出维度上，EmbeddingGemma 2 为 768（可截断至 512、256、128），Gemini 为 3072（128 至 3072），Qwen 最高 2048。上下文长度分别为 8,192、2K、32K、未说明和 8,192 token。语言覆盖方面前三者与 Gemini 均为 100 多种，Qwen 为 30 多种。许可与访问方式上，EmbeddingGemma 2、Qwen 和 LCO 均为 Apache 2.0 开放权重，第一代按 Gemma 条款开放，Gemini 仅提供付费 API。公布端侧内存的只有 EmbeddingGemma 2（文本约 191MB、全模态约 567MB）和第一代（低于 200MB）。
运行方式上，EmbeddingGemma 2 支持 sentence-transformers v6.1.0 及以上版本、Transformers、vLLM、SGLang、MLX、llama.cpp、Ollama、LM Studio、LiteRT 与 MediaPipe。向量存储可使用 Qdrant，微调可使用 Unsloth。面向 Android 的 ML Kit 支持及 NPU 加速预计将在数周内推出。典型用法是先安装支持图像、音频、视频的 sentence-transformers 与 transformers，然后加载 google/embeddinggemma-2，分别用 SearchQuery 和 Document 提示词对查询与文档编码，再计算相似度。在 Ollama 上可执行 ollama pull embeddinggemma-2，标签从 270m（378MB）到 740m（1.3GB）不等，演示可在 Google AI Edge Gallery 中查看。
综合来看，EmbeddingGemma 2 的要点包括：一个 740M 的开放模型把五种模态嵌入共享的 768 维空间；模块化编码器让占用从 270M 扩展到 740M；代码检索从 68.76 跃升至 78.68；量化后在 Pixel 11 Pro 上内存占用介于约 191MB 到 567MB 之间。常见问题方面，该模型可以商用，因为采用 Apache 2.0 许可；内存需求则如 Google 所报告，量化后纯文本约 191MB，全模态约 567MB。