Google DeepMind 正式釋出 EmbeddingGemma 2，這是一款開放的多模態嵌入模型，可將文本、程式碼、影像、影片和音訊統一對映到同一個 768 維向量空間。該模型擁有 740M 引數、8,192 token 的上下文視窗，採用 Apache 2.0 許可，主要面向端側搜尋、分類以及隱私優先的 RAG 場景。目前權重已在 Hugging Face 和 Kaggle 上線，並同步提供 Ollama、llama.cpp GGUF 與 LiteRT 構建版本，開發者可以立即部署使用。
嵌入模型的作用是把內容轉換成能夠表達含義的數字向量，語義相近的內容在向量空間中彼此靠近，因此便於檢索和比較。在 RAG 流程中，這些向量讓大語言模型能夠取回訓練資料之外的最新資訊。在本地生成嵌入可以讓資料保留在裝置上，同時降低延遲並支援離線執行。
EmbeddingGemma 2 基於 Gemma 4 架構，設計高度模組化，由三個部分組成：文本與程式碼骨幹網路為 270M 引數（其中 130M 為 transformer、140M 為 embedder）；視覺編碼器為 170M 引數，可選載入；音訊編碼器為 300M 引數，同樣可選。開發者可以按需組合，純文本只需 270M，文本加視覺為 440M，文本加音訊為 570M，全部模態則為 740M，而且所有配置共享同一個向量空間——用純文本配置生成的查詢向量，可以直接匹配由完整模型嵌入的文件。模型支援跨模態檢索，例如用文字查詢檢索照片，或用語音備忘錄檢索影片片段；像同時包含文字、圖片和演示影片的商品頁面這樣的交錯輸入，也會生成單一嵌入。上下文視窗為 8,192 token，相比第一代擴大 4 倍，約可容納 29 張圖片、58 幀影片或 5.5 分鐘音訊。
在基準測試方面，Google 研究團隊稱該模型在引數低於 10 億的多模態嵌入模型中取得領先成績，尤其在 MTEB Code 和 MAEB 上表現突出。768 維全精度結果包括：MTEB 多語言 v2 為 61.36（第一代為 61.15）；MTEB Code v1 為 78.68（第一代為 68.76）；MIEB lite 影像任務為 64.64；MMEB v2 整體為 59.01；MSEB 聲音檢索為 69.54；MAEB 音訊為 49.39。程式碼檢索提升 9.92 分，約 14%，多語言文本質量保持穩定。不過，規模更大的模型仍在部分榜單上領先，例如 Qwen3-VL-Embedding-2B 在其自測的 MMEB-V2 上報告 73.2，引數量約為 2.7 倍，且不支援音訊。
在端側部署方面，量化後的 EmbeddingGemma 2 在 Pixel 11 Pro 上，純文本權重的活躍記憶體約為 191MB，完整多模態模型約需 567MB。量化感知訓練把權重壓縮為 INT4 和 INT8。Google AI Edge 團隊在 MacBook M5 Pro GPU 上測得每張圖片 37.3 毫秒的處理速度，使用的是 70 token 的視覺預算。Matryoshka 表示學習（MRL）允許開發者把向量截斷到 512、256 或 128 維：從 768 維降到 128 維最多可減少 6 倍儲存；在 256 維時，MTEB 多語言僅從 61.36 微降到 60.41；在 128 維時，MMEB 降至 45.65，因此 Google 建議 128 維主要用於純文本工作負載。
與最接近的競品相比，EmbeddingGemma 2 的定位較為獨特。對比物件包括 EmbeddingGemma 1、Qwen3-VL-Embedding-2B、LCO-Embedding-Omni-3B 和 Gemini Embedding 2。引數規模上分別為 740M（純文本 270M）、308M、2B、3B 骨幹（Hugging Face 頁面標註為 5B）以及未披露。文本和程式碼方面五者均支援；影像和影片方面除第一代外基本都支援；音訊方面 EmbeddingGemma 2 與 LCO 支援，Qwen 不支援，Gemini 支援。輸出維度上，EmbeddingGemma 2 為 768（可截斷至 512、256、128），Gemini 為 3072（128 至 3072），Qwen 最高 2048。上下文長度分別為 8,192、2K、32K、未說明和 8,192 token。語言覆蓋方面前三者與 Gemini 均為 100 多種，Qwen 為 30 多種。許可與訪問方式上，EmbeddingGemma 2、Qwen 和 LCO 均為 Apache 2.0 開放權重，第一代按 Gemma 條款開放，Gemini 僅提供付費 API。公佈端側記憶體的只有 EmbeddingGemma 2（文本約 191MB、全模態約 567MB）和第一代（低於 200MB）。
執行方式上，EmbeddingGemma 2 支援 sentence-transformers v6.1.0 及以上版本、Transformers、vLLM、SGLang、MLX、llama.cpp、Ollama、LM Studio、LiteRT 與 MediaPipe。向量儲存可使用 Qdrant，微調可使用 Unsloth。面向 Android 的 ML Kit 支援及 NPU 加速預計將在數週內推出。典型用法是先安裝支援影像、音訊、影片的 sentence-transformers 與 transformers，然後載入 google/embeddinggemma-2，分別用 SearchQuery 和 Document 提示詞對查詢與文件編碼，再計算相似度。在 Ollama 上可執行 ollama pull embeddinggemma-2，標籤從 270m（378MB）到 740m（1.3GB）不等，演示可在 Google AI Edge Gallery 中檢視。
綜合來看，EmbeddingGemma 2 的要點包括：一個 740M 的開放模型把五種模態嵌入共享的 768 維空間；模組化編碼器讓佔用從 270M 擴充套件到 740M；程式碼檢索從 68.76 躍升至 78.68；量化後在 Pixel 11 Pro 上記憶體佔用介於約 191MB 到 567MB 之間。常見問題方面，該模型可以商用，因為採用 Apache 2.0 許可；記憶體需求則如 Google 所報告，量化後純文本約 191MB，全模態約 567MB。