Google 发布 EmbeddingGemma 2 端侧多模态嵌入模型

完整中文导读

Google 发布 EmbeddingGemma 2，一个把文字、代码、图片、音频和视频映射到同一语义空间的嵌入模型，用于本地搜索而非内容生成。

中文整理

作者 / 来源：RwatitFahsa (@RwatitFahsa) · 原文时间：2026年10月10日 19:03（北京时间）

原作者信息要点

作者称 Google 新发布 EmbeddingGemma 2，定位为端侧多模态嵌入模型，不生成文章或回答问题，而是把文字、代码、图片、音频和视频映射到同一语义空间，使不同模态内容可按相近含义互相搜索。

作者给出的核心参数：7.4亿参数，面向手机和边缘设备；文字模式量化后约占191MB运行内存，完整多模态模式约占567MB；支持8K上下文；单次可处理约5.5分钟音频、29张图片或58帧视频；向量维度可从768缩减到128，本地向量库最高节省约6倍空间；采用Apache 2.0许可证，可用于商业项目。

作者列举的适用场景：本地照片搜索、视频片段定位、语音查文件、代码语义搜索、离线RAG，以及不把私人数据传到服务器的智能应用。

作者以“找出去年在海边拍的、背景里有人弹吉他的视频”为例，说明无需上传云端或手动打标签即可理解并检索。

本站整理与观察

本站观察：上述参数、许可证与发布信息均来自原作者帖文，未提供官方链接或第三方验证，应视为作者声称而非已独立核实的事实。

本站观察：帖文将 EmbeddingGemma 2 与“大模型生成内容”对比，强调小型多模态嵌入模型让设备理解本地数据，这属于作者观点性判断，而非可验证的技术结论。

本站观察：材料未给出模型发布时间、具体评测数据、支持平台或与初代 EmbeddingGemma 的差异，相关细节不足。

材料仅为单一帖文，未附官方发布页、技术报告或第三方评测；所有参数、许可证和场景描述均为原作者声称，未经本站独立验证。材料未说明发布时间、支持平台、与初代产品的差异及实际性能表现，无法据此确认模型真实能力。