Google开源EmbeddingGemma 2：740M参数统一多模态嵌入模型

时间：2026年10月6日（北美时间）Google DeepMind 官方发布；2026年10月7日（亚洲时间）开发者可下载权重 地点：美国加州山景城 Google DeepMind 总部；同时通过 Hugging Face、Kaggle、Ollama、llama.cpp、LiteRT 全球分发 人物：Sahil Dua（Google DeepMind 研究工程师）、Henrique Schechter Vera（Google DeepMind 研究工程师） 事件详情：Google DeepMind 于 10 月 6 日发布 EmbeddingGemma 2 开源多模态嵌入模型。该模型在初代 EmbeddingGemma（仅文本）基础上扩展至原生支持文本、代码、图像、视频和音频五种输入类型，全部映射到同一个 768 维统一向量空间。模型总参数 740M，由 270M 参数的文本主干（130M Transformer + 140M Embedder）、170M 视觉编码器和 300M 音频编码器三个模块化组件构成，开发者可按需加载部分组件，从而在 270M / 440M / 570M / 740M 四种规模间灵活组合。上下文窗口 8K token，可一次性处理约 29 张图片、58 帧视频或约 5.5 分钟音频。模型采用 Apache 2.0 商业友好许可，权重已同步上架 Hugging Face 与 Kaggle，Ollama、llama.cpp GGUF、LiteRT 构建已上线，vLLM 即将支持。 核心能力：在子 10 亿参数规模的多模态嵌入模型中处于 SOTA。MTEB Code v1 全精度得分 78.68，比上一代 68.76 提升约 14%，专门优化面向编码 Agent 的代码检索场景；MTEB 多语言 v2 得分 61.36 与上一代持平；MIEB lite（图像）64.64、MMEB v2 图像检索 57.28、视觉文档检索 67.84、MAEB 音频任务 49.39。引入 Matryoshka Representation Learning（MRL）技术，向量原生支持 128 / 256 / 512 / 768 维度截断，存储空间最高可缩减 6 倍，在 256 维时多语言 MTEB 仍保持 60.41（768 维为 61.36），质量几乎不受影响。量化感知训练支持 INT4/INT8 量化，在 Pixel 11 Pro 上仅文本模式下激活内存约 191 MB，全模态模式约 567 MB；在 MacBook M5 Pro GPU 上单张图像嵌入约 37.3 毫秒。 背景：上一代 EmbeddingGemma 自 2025 年 9 月发布以来已被开发者下载超过 2000 万次，是 Google 推动"端侧 AI"战略的关键产品之一。EmbeddingGemma 2 直接采用 Gemini Embedding 的同源技术，并与 Gemma 4 共享文本 tokenizer 与音频编码器，因此搭配 Gemma 4 做端侧 RAG 时所需内存显著低于两套独立模型。Google AI Edge 已在 macOS 上的 Foresight 会议应用中实测使用 EmbeddingGemma 2 + Gemma 4 组合，并通过 AI Edge Gallery 演示 Video Moments Finder（通过文本或语音查询定位视频场景）。 影响：EmbeddingGemma 2 把多模态检索从云端拉到端侧，使手机、笔记本等消费级设备无需联网即可完成"语音片段查视频""文本查图片"等跨模态搜索，同时满足隐私合规与低延迟需求；对开发者生态而言，Apache 2.0 许可 + vLLM/Ollama/LiteRT 全栈支持显著降低构建本地 RAG、检索增强代理、跨模态分类系统的工程门槛；模型本身将与 Gemini Embedding 系列形成云端 + 端侧的完整覆盖，进一步削弱专有嵌入 API 的护城河。 总结：EmbeddingGemma 2 通过模块化设计、Apache 2.0 许可与 MRL 截断机制，把 740M 参数的多模态嵌入模型塞进了 200MB 量级的内存预算，为端侧 RAG 与跨模态检索提供了当前最实用的开源底座，延续了 Google 把 Gemini Embedding 技术下沉到端侧的开放路线。 参考来源： 1. Google DeepMind 官方博客：https://deepmind.google/blog/embeddinggemma-2-an-open-lightweight-multimodal-embedding-model/ 2. Google Blog（开发者工具）：https://blog.google/technology/developers-tools/embeddinggemma-2/ 3. Hugging Face 模型页：https://huggingface.co/google/embeddinggemma-2-1b 4. Ollama 模型库：https://ollama.com/library/embeddinggemma-2 5. Google AI Edge 文档：https://ai.google.dev/edge/mediapipe/solutions/text/embeddings 6. SiliconANGLE：https://siliconangle.com/2026/10/06/google-expands-embeddinggemma-beyond-text-to-images-audio-and-video/ 7. Meta Ai Labs 解读：https://www.metaailabs.com/google-deepmind-releases-embeddinggemma-2-a-740m-open-multimodal-embedding-model-built-on-gemma-4 8. Devlery 技术分析：https://devlery.com/en/blog/embeddinggemma-2-multimodal-on-device 9. Artiverse 报道：https://www.artiverse.ca/deepminds-new-embedding-model-unifies-five-data-types