【发生了什么】谷歌于2026年10月7日推出EmbeddingGemma 2多模态嵌入模型,基于Gemma 4架构,总参数7.4亿,采用Apache 2.0许可发布,可将文本、代码、图像、视频、音频统一映射到同一嵌入空间。
【为什么值得关注】该模型量化后在Pixel 11 Pro上纯文本权重仅需约191MB内存,完整多模态约567MB;代码性能在MTEB Code测试中从68.76提升至78.68,提升9.92分;通过Matryoshka表示学习可将输出向量从768维截断至128维,本地向量数据库存储和内存占用最高缩减6倍。
【对我们的意义】若团队正在构建端侧RAG或本地语义搜索,可直接用EmbeddingGemma 2替换云端嵌入API,在手机或边缘设备上离线运行跨模态检索,降低管线延迟并规避数据外传风险;其8K上下文窗口支持本地处理最长5.5分钟音频或29张图像,适合搭建隐私优先的文档、代码库索引系统。
──
💡 对你的工作:人形机器人/具身智能的最前沿进展,与你实验室方向直接相关。
【原文】
查看原文 →