EmbeddingGemma 2：一个开放、轻量的多模态嵌入模型
内容提要
谷歌发布EmbeddingGemma 2，基于Gemma 4架构，7.4亿参数，采用Apache 2.0许可。该模型首次将文本、代码、图像、视频和音频统一到同一嵌入空间，支持端侧多模态检索。文本任务仅需2.7亿参数，输出向量可压缩至128维，存储减少6倍。在Pixel 11 Pro上，纯文本仅占约191MB内存。支持8K上下文，可处理5.5分钟音频或29张图像，适合离线隐私检索与RAG。
延伸解读
模块化设计如何降低端侧部署门槛
EmbeddingGemma 2采用模块化架构，文本任务仅需2.7亿参数，视觉和音频编码器可分别选配。这意味着开发者不必为纯文本检索场景加载完整多模态模型，能显著节省内存和计算资源。在Pixel 11 Pro上，纯文本权重仅占约191MB活跃内存，而全模态模型约567MB。这种按需组合的方式让端侧部署更灵活，尤其适合资源受限的移动设备。
向量压缩对本地检索的实际意义
模型通过Matryoshka表示学习支持将输出向量从768维动态截断至512、256或128维，最高减少6倍存储占用。对于本地向量数据库而言，这意味着在有限存储空间内可以索引更多内容，同时降低内存压力。开发者可以根据检索精度与存储成本的权衡，灵活选择向量维度，而不必重新训练模型。
多模态统一嵌入空间带来的新检索场景
EmbeddingGemma 2首次将文本、代码、图像、视频和音频映射到同一嵌入空间，支持跨模态语义检索。例如用文字查询音频记录，或用语音备忘录查找视频片段。8K上下文窗口可处理约5.5分钟音频、29张图像或58个视频帧，适合离线隐私检索与RAG。与Gemma 4共享分词器和音频编码器，还能降低联合运行时的总内存占用。
代码检索能力提升与适用边界
在MTEB Code基准上，EmbeddingGemma 2相比前代提升9.92分（从68.76到78.68），适合本地代码库索引、语义代码搜索和编码代理检索。但需注意，其定位仍是轻量级端侧模型，在复杂多语言或专业领域任务上可能不及更大规模模型。开发者应结合具体场景评估精度与资源消耗，必要时通过微调适配特定需求。
Q&A
EmbeddingGemma 2 是什么？它和上一代相比有什么主要升级？
EmbeddingGemma 2 是谷歌推出的开放、轻量级多模态嵌入模型，基于 Gemma 4 架构，拥有 7.4 亿参数，采用 Apache 2.0 许可。相比上一代仅支持文本，它首次将文本、代码、图像、视频和音频统一到同一嵌入空间，支持端侧多模态检索，并将上下文窗口从 2K 扩展到 8K。
EmbeddingGemma 2 在端侧设备上的资源占用情况如何？
在 Google Pixel 11 Pro 上，经过量化后，纯文本权重仅需约 191MB 活跃内存，完整多模态模型约需 567MB。文本任务最少只需 2.7 亿参数，输出向量可压缩至 128 维，存储减少 6 倍。
EmbeddingGemma 2 支持哪些模态？它的架构是如何实现多模态的？
EmbeddingGemma 2 支持文本、代码、图像、视频和音频五种模态。它采用模块化设计：文本任务最少只需 2.7 亿参数，并可选择添加视觉编码器（1.7 亿参数）和音频编码器（3 亿参数）来实现完整的多模态支持。
EmbeddingGemma 2 的向量维度可以调整吗？如何减少存储占用？
可以。EmbeddingGemma 2 使用 Matryoshka 表示学习（MRL），开发者可以将输出向量从 768 维动态截断到 512、256 或 128 维。这能为本地向量数据库和内存使用带来高达 6 倍的存储减少。
EmbeddingGemma 2 在代码和音频任务上的表现如何？
在 MTEB Code 基准上，EmbeddingGemma 2 的代码性能比上一代提升了 9.92 分（从 68.76 提升到 78.68），适合本地代码库索引、语义代码搜索和编码代理检索。在音频方面，它在 MAEB 等基准上领先，并超越许多更大的专用模型。
EmbeddingGemma 2 可以用于哪些实际应用场景？
它可用于端侧语义搜索、路由和检索，例如：用文本或图像在媒体库中查找相似内容；用文本或音频查询定位视频中的特定时刻；与 Gemma 4 配对构建本地 RAG 管道；通过 MediaPipe Decision Task API 创建实时决策引擎。所有处理均在本地进行，确保隐私并降低延迟。
如何开始使用 EmbeddingGemma 2？有哪些开发工具和部署选项？
可以从 Hugging Face 和 Kaggle 下载模型权重。部署方面，可使用 Google AI Edge MediaPipe 进行跨平台开发，或使用 LiteRT 进行自定义集成，也可通过 transformers.js 或 WebGPU 在浏览器中运行。支持 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio 等工具。微调可参考 Unsloth 的指南。
