Компания Google представила EmbeddingGemma 2 — мультимодальную модель для встраивания, оптимизированную для работы на смартфонах. В отличие от первой версии, выпущенной в сентябре 2025 года, новинка поддерживает работу с изображениями, аудио и видео.
Модель построена на архитектуре Gemma 4 и насчитывает 740 миллионов параметров. Текстовое ядро модели состоит из 270 миллионов параметров и занимает около 191 мегабайта памяти в квантованном виде. Предыдущую версию модели скачали более 20 миллионов раз.
Для оптимизации хранения данных разработчики могут использовать технику Matryoshka Representation Learning, сокращая списки векторов с 768 до 128 значений. При использовании 256 значений качество поиска изображений, видео и речи сохраняется на уровне 95%.
В бенчмарке Massive Text Embedding Benchmark модель набрала 78,68 балла в разделе кода, что почти на 10 пунктов выше результата первой версии. Google заявляет, что модель превосходит некоторые специализированные аналоги, размер которых более чем в два раза превышает EmbeddingGemma 2.
Веса модели доступны на платформах Hugging Face и Kaggle по лицензии Apache 2.0, разрешающей коммерческое использование. Инструмент совместим с vLLM, llama.cpp и Ollama, а в ближайшее время появится в Model Garden на платформе Gemini Enterprise Agent.
