Google DeepMind 发布 EmbeddingGemma 2：开源轻量级多模态嵌入模型

2026年10月6日

|

EmbeddingGemma 2 是端侧多模态嵌入能力最强的模型，可将文本、图像、音频和视频的组合原生映射到统一的嵌入空间。

Sahil Dua

研究工程师，Google DeepMind

Henrique Schechter Vera

研究工程师，Google DeepMind

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 尚处于实验阶段

去年我们推出了 EmbeddingGemma，为高质量文本嵌入提供了一种轻量级选择，帮助你的应用直接在消费级硬件上整理、搜索和关联信息。开发者社区的反馈远超我们的预期。其下载量已超过 2000 万次，开发者用它来驱动更智能的端侧搜索工具和隐私优先的检索增强生成（RAG）流水线。

今天，我们将推出 EmbeddingGemma 2，从文本扩展到代码、图像、视频和音频，将它们统一到同一个共享嵌入空间中。EmbeddingGemma 2 基于 Gemma 4 架构构建，并以商业友好的 Apache 2.0 许可证发布，拥有 7.4 亿个参数，是端侧推理的理想选择。它可以帮助你从语音备忘录中找到特定的视频片段，或根据文本查询搜索数小时的录音，所有这些都由一个原生多模态模型完成处理。

EmbeddingGemma 2 采用与 Gemini Embedding 模型相同的技术构建，具有以下特点：

• 同级别最优：在 MTEB（Massive Text Embedding Benchmark）Code 和 MAEB（Massive Audio Embedding Benchmark）等基准测试中，其得分在参数量不足 10 亿的多模态嵌入模型中处于领先水平，并在文本、视觉和音频任务上媲美或优于许多更大的模型。
• 模块化设计：纯文本工作负载仅需 270M 参数，并可选配视觉（170M）和音频（300M）编码器以实现完整的多模态支持。
• 存储高效：采用 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。这可使本地向量数据库和内存占用最多减少 6 倍。
• 针对端侧性能优化：在严格的资源限制下也能高效运行。经过量化后，在 Google Pixel 11 Pro 上，EmbeddingGemma 2 的纯文本权重仅需约 191MB 活动内存，完整的多模态模型仅需约 567MB。
• 支持更长上下文：具有 8K token 的上下文窗口（比 EmbeddingGemma 1 大 4 倍），可直接在本地硬件上处理最长 5.5 分钟的音频、29 张图像、58 帧视频或它们的交错组合。

在代码、视觉和音频方面实现顶级质量

EmbeddingGemma 2 保持了 EmbeddingGemma 强大的多语言文本性能，同时在代码性能上实现了 9.92 分的显著提升（在 MTEB Code 中从 68.76 提升至 78.68），非常适合本地代码库索引、语义代码搜索和编程智能体检索。在图像、视频、文档和音频方面，它为参数量不足 10 亿的模型树立了单位参数质量的新标杆，甚至优于一些规模是其两倍以上的专用模型。

完整的评估指标和模型信息请见 EmbeddingGemma 2 模型卡。

完全在端侧实现语义搜索、路由和检索

EmbeddingGemma 2 将强大的能力直接带到边缘硬件上。在本地生成嵌入有助于确保数据隐私、降低流水线延迟，并使开发者能够构建完全离线运行的跨模态搜索与检索。

与 Gemma 4 等生成式模型搭配使用时，EmbeddingGemma 2 可支持理解复杂多模态数据的端侧 RAG 流水线。由于 EmbeddingGemma 2 基于 Gemma 4 构建，并共享其文本分词器和音频编码器，开发者可以在统一流水线中同时运行这两个模型，且合计总内存占用更低。

要了解如何使用 LiteRT 构建端侧搜索和 RAG 系统，请阅读 Google AI Edge 博客文章。

EmbeddingGemma 2 入门

我们与以下合作伙伴密切合作，确保 EmbeddingGemma 2 能在您的开发环境中直接可用：

• 下载模型：在 Hugging Face 和 Kaggle 上找到模型权重，Gemini Enterprise Agent Platform Model Garden 即将上线。访问 Hugging Face 上的 LiteRT Community，获取针对端侧优化的模型。
• 端侧部署：使用 Google AI Edge MediaPipe 开发跨平台应用，实现开箱即用的嵌入、检索与决策任务；或使用 LiteRT 进行自定义模型集成。使用 transformers.js 或 WebGPU 为浏览器构建应用。
• 使用您喜爱的开发工具：通过 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio 高效提供模型服务。使用 Qdrant 存储您的嵌入向量。
• 微调：按照 Unsloth 的指南，了解如何针对您的用例微调 EmbeddingGemma 2。

探索我们的 开发者指南、文档，以及 推理和微调指南。