Google выпустила модель EmbeddingGemma 2 — поиск по звуку и картинкам на телефоне

Google выпустила EmbeddingGemma 2 — открытую модель эмбеддингов, которая переводит текст, код, картинки, видео и звук в одно числовое пространство, чтобы искать одно по описанию другого. Первая версия работала только с текстом; вторая построена на архитектуре Gemma 4 и принимает смешанные данные.

Всего 740 млн параметров, и они разбиты на модули: 270 млн на текст, остальное на изображения и звук — ненужные части можно не загружать. Контекст вырос до 8 тысяч токенов, это примерно 5,5 минуты записи или 29 картинок за раз. На Pixel 11 Pro полная модель занимает около 567 МБ оперативной памяти, одна текстовая часть — около 191 МБ.

Лицензия Apache 2.0, то есть модель можно брать в коммерческие продукты. В движке llama.cpp поддержку добавили в день выхода.

Omar Sanseviero@osanseviero

Introducing EmbeddingGemma 2, our new open embeddings model for on-device use cases! 👀 Code, image, video, audio, and text embeddings 🤏 Modular, going from 270m to 740m parameters 🪆 Matryoshka embeddings for storage efficiency 🤗 Apache 2 License https://t.co/bZsnS124Sw

1 1626 октября 2026