EmbeddingGemma 2

模型定位

EmbeddingGemma 2 是 Google DeepMind 推出的開放權重、輕量多模態嵌入模型，基於 Gemma 4 架構，針對手機、筆電等消費級裝置上的本地推論設計。它輸出語意向量，而非生成式文字；模型採 Apache 2.0 授權，可用於商業應用。(blog.google)

**輸入與輸出：**支援文字、程式碼、圖片、影片、音訊及其混合輸入，映射到共同的 768 維向量空間；支援 100 多種語言。(ai.google.dev)
**模型大小：**完整模型約 7.4 億參數；文字模型約 2.7 億參數，可按需載入約 1.7 億參數的視覺編碼器及約 3 億參數的音訊編碼器。(ai.google.dev)
**向量維度：**可將 768 維嵌入截短至 512、256 或 128 維，以降低儲存需求，但可能影響檢索品質。(ai.google.dev)
**上下文：**所有模態共用 8,192 token。依官方預設視覺 token 預算，單一模態且不含文字時，約可容納 29 張圖片、58 個影片影格或 327 秒音訊；混合模態會共同消耗額度。(ai.google.dev)
**裝置記憶體：**官方表示，量化後在 Pixel 11 Pro 上，純文字權重的活動 RAM 最低約 191 MB，完整多模態模型最低約 567 MB；實際需求取決於部署條件。(blog.google)

可用於跨模態語意搜尋、程式碼與媒體檢索、本地或離線檢索增強生成（RAG）、零樣本分類、分群及相似度比對。例如以文字搜尋音訊，或以語音查找影片片段。(blog.google)

嵌入結果可能受到訓練資料偏差與涵蓋範圍影響，不同語言的表現未必相同；文字任務未使用建議的任務前綴可能降低品質。(ai.google.dev)
128 維截短對多模態品質的損失較明顯，應先以實際資料驗證。官方建議推論使用 bfloat16 或 float32，不要使用 float16，後者可能產生 NaN 或品質下降。(ai.google.dev)
模型未經生成式模型的安全微調或輸出層審核；部署者應依用途評估偏差並實施應用層防護。(ai.google.dev)

截至 2026-11-15 查詢，未在 Google 官方定價頁核實到此模型的第一方 API 價格；幣種、輸入計費及輸出計費均未核實。開放權重可自行部署，但硬體、運算與營運可能產生成本；不應將其視為已核實的 API 免費報價。(aistudio.google.com)