Google 发布开源轻量多模态向量模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，一款 7.4 亿参数的开放多模态向量模型，可将文本、图像、音频和视频映射到统一向量空间，关注价值在于端侧设备上的跨模态搜索和检索增强应用获得了更明确的模型基础。

• Google AI 文档称，该模型使用 768 维统一向量表示，面向语义搜索、多模态 RAG 和零样本分类等任务。
• 官方介绍其采用 Apache 2.0 许可并提供开放权重，开发者可以在本地进行微调和部署。
• Google DeepMind 公告还称，模型支持模块化编码器、可截断向量维度和较长上下文，目标是降低本地存储与推理成本。
• 文档强调它可以在消费级 CPU 或 GPU 上离线运行，但实际速度和内存占用仍取决于量化方式、输入类型与硬件配置。
• 向量模型主要负责表示和检索，不会自动解决数据切分、权限控制、事实更新和生成答案的可靠性问题。
• 影响/看点：如果跨模态表示在真实数据集上保持稳定，个人设备和边缘应用可能减少对云端检索服务的依赖；成立条件是公开基准优势能够转化为不同领域数据上的召回率、延迟和隐私收益。
• 资料依据:
• Google DeepMind Blog（2026-10-06）：https://deepmind.google/blog/embeddinggemma-2-an-open-lightweight-multimodal-embedding-model/
• Google AI for Developers，EmbeddingGemma 文档（2026-10-06）：https://ai.google.dev/gemma/docs/embeddinggemma

本内容由 AI 生成，仅供参考，请注意甄别