zhineng.dev
简体中文
开始使用
← 全部模型

EmbeddingGemma 2

发布时间 发布主体 Google

模型定位

EmbeddingGemma 2 是 Google DeepMind 推出的轻量级、开放权重多模态嵌入模型，基于 Gemma 4 架构，面向手机、笔记本等消费设备上的本地推理。模型采用 Apache 2.0 许可证。官方公告发布日期为 2026 年 10 月 6 日。(blog.google)

能力与用途

  • 将文本、代码、图像、视频、音频及其组合映射到统一的 768 维向量空间，支持 100 多种语言。(ai.google.dev)
  • 采用模块化设计：仅文本和代码约 2.7 亿参数；文本加视觉约 4.4 亿；文本加音频约 5.7 亿；完整多模态模型约 7.4 亿。可按任务选择加载编码器。(developers.googleblog.com)
  • 适用于跨模态语义搜索、代码检索、本地或离线检索增强生成（RAG）、分类、聚类和语义相似度计算。例如，可以用文字检索音频或用语音查询视频。(blog.google)
  • 支持将向量从 768 维截短至 512、256 或 128 维，以降低向量存储需求。Google 报告称，在 Pixel 11 Pro 上量化运行时，纯文本权重的活动内存最低约为 191 MB，完整多模态模型约为 567 MB；这些数字适用于该设备和量化条件。(blog.google)

限制

  • 各模态共享 8,192 token 上下文预算；混合输入会共同消耗该预算。单模态、无附加文本且采用默认视觉预算时，约可容纳 29 张图像、58 个视频帧或 327 秒音频。(ai.google.dev)
  • 向量截短会带来质量与存储之间的权衡；官方提示 128 维对多模态质量的影响较大，应针对实际任务验证。截短后用于余弦相似度时需重新归一化，查询与文档向量维度也必须一致。(ai.google.dev)
  • 各语言表现可能不均衡，训练数据中的偏差可能影响结果；文本任务省略推荐的任务前缀可能降低嵌入质量。该模型生成嵌入向量，并非面向直接生成自然语言回答的模型。(ai.google.dev)

价格

截至 2026 年 11 月 15 日，已核查 Google 官方公告、模型卡及 Gemini Developer API 定价页，未核实到专门针对 EmbeddingGemma 2 的官方托管 API 输入或输出计费价格及币种。模型以开放权重发布，可自行部署；部署所需的计算、存储及平台费用取决于实际环境，不能据此推定为零。定价页中的 Gemini Embedding 2 是另一个模型，不能将其价格套用于本模型。(ai.google.dev)

官方来源