HaiAI123

全球AI工具精选导航

行业动态
25
热度指数
持平

DeepMind 发布 740M 多模态嵌入模型 EmbeddingGemma 2

2026/10/07 — 10/09 18:19·7 个来源(全部)·8 篇报道(全部)·入选 10-07 日报

核心速览 (Key Takeaways)

  • Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2,把文本(含代码)、图像、视频和音频映射到统一的 768 维向量空间。
  • 模型总参数 740M,由 270M 文本模型与 170M 视觉、300M 音频编码器组成,采用 Apache 2.0 许可,面向手机、笔记本等消费级硬件运行,Google 称其为目前端侧多模态嵌入能力最强的模型。

事件背景与详细解读

Google DeepMind 于 2026 年 10 月 6 日发布 EmbeddingGemma 2,这是一款面向设备端部署的开源多模态嵌入模型,由研究工程师 Sahil Dua 和 Henrique Schechter Vera 在 Google 官方博客上公布。模型总参数 740M,基于 Gemma 4 架构,采用 Apache 2.0 许可,可将文本(含代码)、图像、视频帧和音频映射到统一的 768 维向量空间。其结构为模块化设计:纯文本部分约 270M 参数,视觉编码器 170M,音频编码器 300M,后两者可按需加载。

Google 称该模型在 sub-1B 规模的多模态嵌入模型中取得领先成绩,在 MTEB 代码评测中较上一代提升 9.92 分,部分指标超过体量两倍以上的专项模型。存储方面,借助 Matryoshka 表示学习,输出向量可从 768 维动态截断至 512、256 或 128 维。Google Developers Blog 给出的数据是:纯文本权重在 Pixel 11 Pro 上约占 191MB 活跃内存,完整多模态约 567MB;The Decoder 与 IT 之家则提到量化后可在手机端以约 191MB 内存运行。

在用途上,材料提到它可用于本地搜索、隐私优先的 RAG 流水线、按字搜索式的媒体检索、视频关键帧定位,以及无需训练数据或微调的零样本意图路由;搭配 Gemma 4 等小型开源模型即可离线运行 RAG。开发者可通过 MediaPipe Tasks 跨平台集成,并用 LiteRT 针对 CPU、GPU、NPU 优化。上一代 EmbeddingGemma 自发布以来下载量已超过 2000 万次。目前进展停在发布与文档公布阶段,材料未提及后续版本或上线时间表。

AI 综合 8 篇报道生成 · 更新于 34 天前

最新进展Google DeepMind 发布开源权重的多模态嵌入模型 EmbeddingGemma 2,参数为 740M,可把文本、图像、视频帧和音频映射到同一向量空间,用于本地、隐私优先的检索。模型提供模块化编码器,纯文本权重在 Pixel 11 Pro 上约占 191MB 活跃内存,完整多模态约 567MB,并能在无需训练数据或微调的情况下做零样本意图路由。

updream
24 小时热度热度指数 25
刚上榜,走势正在积累
24 小时前现在

这件事的报道 点标题看原文

10月9日
  1. Google DeepMind 发布开源权重的多模态嵌入模型 EmbeddingGemma 2,参数为 740M,可把文本、图像、视频帧和音频映射到同一向量空间,用于本地、隐私优先的检索。模型提供模块化编码器,纯文本权重在 Pixel 11 Pro 上约占 191MB 活跃内存,完整多模态约 567MB,并能在无需训练数据或微调的情况下做零样本意图路由。

    本地多模态检索可以少拼几个模型了

    Google Developers Blog官方AI 评分 66
10月7日
  1. 谷歌正式发布 EmbeddingGemma 2,将嵌入能力从文本扩展到代码、图像、视频和音频,并统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,以 Apache 2.0 许可发布,量化后可在手机端以约 191MB 内存运行。据 IT 之家援引博文介绍,它采用模块化设计,纯文本任务仅需 2.7 亿参数,并可动态截断输出向量维度。

    端侧多模态检索选型多了一个轻量选项

    IT之家AI 评分 60
  2. Google DeepMind 发布 EmbeddingGemma 2,将其定位为开放、轻量的多模态嵌入模型,可用于检索等需要向量表示的场景。信源未提供模型规模、许可条款或基准成绩等细节。

    需要自建检索或嵌入管线的开发者可以关注

    Google DeepMind官方AI 评分 48
  3. Google 发布开源嵌入模型 EmbeddingGemma 2,740M 参数,可把文本、图像、视频、音频和代码转成向量,官方称其表现超过部分参数量翻倍的竞品。它可端侧运行,约需 191MB 内存,搭配 Gemma 4 等小型开源模型即可离线跑 RAG。

    端侧嵌入模型的规格与离线 RAG 用法

    The DecoderAI 评分 58
  4. 据 Unite.AI 报道,Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数的开源模型,可把文本、代码、图像、视频和音频映射到同一个 768 维嵌入空间,采用 Apache 2.0 许可并面向消费级硬件运行。该模型由研究工程师 Sahil Dua 和 Henrique Schechter Vera 在 Google 官方博客上公布。

    轻量开源多模态嵌入模型,适合端侧检索

    Unite.AIAI 评分 60
  5. Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2,可把文本(含代码)、图像、视频、音频及其任意组合映射到统一的 768 维向量空间。模型总参数 740M,由 270M 文本模型与 170M 视觉、300M 音频编码器组成,面向手机、笔记本等消费级硬件运行。

    多模态嵌入走向端侧,开发者可直接下载复用。

    Reddit · LocalLLaMAAI 评分 62
  6. Google 发布 EmbeddingGemma 2,这是一个 740M 参数的多模态嵌入模型,可把代码、图像、视频和音频映射到同一嵌入空间,采用 Apache 2.0 许可。Google 称其是目前端侧多模态嵌入能力最强的模型。

    开源端侧多模态嵌入模型,可直接本地部署

    TechmemeAI 评分 60
  7. 谷歌推出 EmbeddingGemma 2,这是面向设备端部署的新一代多模态嵌入模型,可在本地硬件上统一处理文本、图像、音频与视频,主打隐私保护与离线推理。模型拥有 7.4 亿参数,基于 Gemma 4 架构,以 Apache 2.0 许可证开源,谷歌称其在 MTEB 代码评测中较上一代提升 9.92 分,纯文本工作负载仅需约 2.7 亿参数。

    要做端侧搜索或隐私 RAG,这个模型值得评估

    华尔街见闻AI 评分 60

同时在说的其他事

热度怎么算的?了解口径

热度按 48 小时内有多少个独立来源在说这件事算:同一个来源发多条只算一次,并按 24 小时半衰期衰减,所以排前面的是很多人在说的事。

本页汇总公开订阅源,标题与摘要由模型整理,版权归原作者所有;重要信息请回原文核对。如权利人认为相关标题或摘要侵权,请通过页尾联系邮箱提供具体页面与权利依据,我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →