概要
Google DeepMind が開発した、端末上での利用を想定したオープンなマルチモーダル埋め込みモデル。Gemma 4 を基盤とし、重みは Apache 2.0 ライセンスで公開されている。公開日：2026年10月6日。(blog.google)
能力と用途
- テキスト、コード、画像、動画、音声、およびそれらの組み合わせを共通のベクトル空間に変換する。標準出力は768次元で、512・256・128次元への短縮にも対応する。100以上の言語を扱える。(ai.google.dev)
- 全モダリティでは7.4億パラメータ。テキスト用の2.7億パラメータを基盤とし、画像用1.7億、音声用3億のエンコーダーを必要に応じて選択できる。(ai.google.dev)
- 用途には、モダリティをまたぐ検索、マルチモーダル RAG、分類、クラスタリング、意味的類似度の判定がある。対応環境ではローカル・オフライン実行も可能。(ai.google.dev)
制限と注意点
- 全モダリティで8,192トークンのコンテキストを共有する。テキストを含まない単一モダリティ入力の場合、既定設定の目安は画像約29枚、動画約58フレーム、音声約327秒。複数モダリティを組み合わせると、それぞれに使える枠は減る。(ai.google.dev)
- 言語や対象データによって性能は異なる。ベクトルの次元を短縮すると保存容量を減らせる一方、品質が低下する場合があるため、用途に即した評価が必要。(ai.google.dev)
- 生成モデルではなく、埋め込み表現を出力するモデル。公式モデルカードによれば、生成モデルのような追加学習による安全性調整や出力レベルのモデレーションは行われておらず、利用側で適切な安全対策を実装する必要がある。(ai.google.dev)
価格
オープンな重みをローカルで利用できるが、実行環境の費用は別途発生し得る。Google の公式資料では、このモデル固有の API の入力・出力課金額および通貨を確認できなかったため、未確認とする。料金確認日：2026年11月15日。(ai.google.dev)