HaiAI123

全球AI工具精選導航

行業動態
25
熱度指數
持平

DeepMind 釋出 740M 多模態嵌入模型 EmbeddingGemma 2

2026/10/07 — 10/09 18:19·7 個來源(全部)·8 篇報道(全部)·入選 10-07 日報

核心速覽 (Key Takeaways)

  • Google DeepMind 釋出開源多模態嵌入模型 EmbeddingGemma 2,把文本(含程式碼)、影像、影片和音訊對映到統一的 768 維向量空間。
  • 模型總引數 740M,由 270M 文本模型與 170M 視覺、300M 音訊編碼器組成,採用 Apache 2.0 許可,面向手機、筆記本等消費級硬體執行,Google 稱其為目前端側多模態嵌入能力最強的模型。

事件背景與詳細解讀

Google DeepMind 於 2026 年 10 月 6 日釋出 EmbeddingGemma 2,這是一款面向裝置端部署的開源多模態嵌入模型,由研究工程師 Sahil Dua 和 Henrique Schechter Vera 在 Google 官方部落格上公佈。模型總引數 740M,基於 Gemma 4 架構,採用 Apache 2.0 許可,可將文本(含程式碼)、影像、影片幀和音訊對映到統一的 768 維向量空間。其結構為模組化設計:純文本部分約 270M 引數,視覺編碼器 170M,音訊編碼器 300M,後兩者可按需載入。

Google 稱該模型在 sub-1B 規模的多模態嵌入模型中取得領先成績,在 MTEB 程式碼評測中較上一代提升 9.92 分,部分指標超過體量兩倍以上的專項模型。儲存方面,藉助 Matryoshka 表示學習,輸出向量可從 768 維動態截斷至 512、256 或 128 維。Google Developers Blog 給出的資料是:純文本權重在 Pixel 11 Pro 上約佔 191MB 活躍記憶體,完整多模態約 567MB;The Decoder 與 IT 之家則提到量化後可在手機端以約 191MB 記憶體執行。

在用途上,材料提到它可用於本地搜尋、隱私優先的 RAG 流水線、按字搜尋式的媒體檢索、影片關鍵幀定位,以及無需訓練資料或微調的零樣本意圖路由;搭配 Gemma 4 等小型開源模型即可離線執行 RAG。開發者可通過 MediaPipe Tasks 跨平臺整合,並用 LiteRT 針對 CPU、GPU、NPU 最佳化。上一代 EmbeddingGemma 自發布以來下載量已超過 2000 萬次。目前進展停在釋出與文件公佈階段,材料未提及後續版本或上線時間表。

AI 綜合 8 篇報道生成 · 更新於 34 天前

最新進展Google DeepMind 釋出開源權重的多模態嵌入模型 EmbeddingGemma 2,引數為 740M,可把文本、影像、影片幀和音訊對映到同一向量空間,用於本地、隱私優先的檢索。模型提供模組化編碼器,純文本權重在 Pixel 11 Pro 上約佔 191MB 活躍記憶體,完整多模態約 567MB,並能在無需訓練資料或微調的情況下做零樣本意圖路由。

updream
24 小時熱度熱度指數 25
剛上榜,走勢正在積累
24 小時前現在

這件事的報道 點標題看原文

10月9日
  1. Google DeepMind 釋出開源權重的多模態嵌入模型 EmbeddingGemma 2,引數為 740M,可把文本、影像、影片幀和音訊對映到同一向量空間,用於本地、隱私優先的檢索。模型提供模組化編碼器,純文本權重在 Pixel 11 Pro 上約佔 191MB 活躍記憶體,完整多模態約 567MB,並能在無需訓練資料或微調的情況下做零樣本意圖路由。

    本地多模態檢索可以少拼幾個模型了

    Google Developers Blog官方AI 評分 66
10月7日
  1. 谷歌正式釋出 EmbeddingGemma 2,將嵌入能力從文本擴充套件到程式碼、影像、影片和音訊,並統一對映到同一嵌入空間。該模型基於 Gemma 4 架構,總引數 7.4 億,以 Apache 2.0 許可釋出,量化後可在手機端以約 191MB 記憶體執行。據 IT 之家援引博文介紹,它採用模組化設計,純文本任務僅需 2.7 億引數,並可動態截斷輸出向量維度。

    端側多模態檢索選型多了一個輕量選項

    IT之家AI 評分 60
  2. Google DeepMind 釋出 EmbeddingGemma 2,將其定位為開放、輕量的多模態嵌入模型,可用於檢索等需要向量表示的場景。信源未提供模型規模、許可條款或基準成績等細節。

    需要自建檢索或嵌入管線的開發者可以關注

    Google DeepMind官方AI 評分 48
  3. Google 釋出開源嵌入模型 EmbeddingGemma 2,740M 引數,可把文本、影像、影片、音訊和程式碼轉成向量,官方稱其表現超過部分引數量翻倍的競品。它可端側執行,約需 191MB 記憶體,搭配 Gemma 4 等小型開源模型即可離線跑 RAG。

    端側嵌入模型的規格與離線 RAG 用法

    The DecoderAI 評分 58
  4. 據 Unite.AI 報道,Google DeepMind 釋出 EmbeddingGemma 2,一個 740M 引數的開源模型,可把文本、程式碼、影像、影片和音訊對映到同一個 768 維嵌入空間,採用 Apache 2.0 許可並面向消費級硬體執行。該模型由研究工程師 Sahil Dua 和 Henrique Schechter Vera 在 Google 官方部落格上公佈。

    輕量開源多模態嵌入模型,適合端側檢索

    Unite.AIAI 評分 60
  5. Google DeepMind 釋出開源多模態嵌入模型 EmbeddingGemma 2,可把文本(含程式碼)、影像、影片、音訊及其任意組合對映到統一的 768 維向量空間。模型總引數 740M,由 270M 文本模型與 170M 視覺、300M 音訊編碼器組成,面向手機、筆記本等消費級硬體執行。

    多模態嵌入走向端側,開發者可直接下載複用。

    Reddit · LocalLLaMAAI 評分 62
  6. Google 釋出 EmbeddingGemma 2,這是一個 740M 引數的多模態嵌入模型,可把程式碼、影像、影片和音訊對映到同一嵌入空間,採用 Apache 2.0 許可。Google 稱其是目前端側多模態嵌入能力最強的模型。

    開源端側多模態嵌入模型,可直接本地部署

    TechmemeAI 評分 60
  7. 谷歌推出 EmbeddingGemma 2,這是面向裝置端部署的新一代多模態嵌入模型,可在本地硬體上統一處理文本、影像、音訊與影片,主打隱私保護與離線推理。模型擁有 7.4 億引數,基於 Gemma 4 架構,以 Apache 2.0 許可證開源,谷歌稱其在 MTEB 程式碼評測中較上一代提升 9.92 分,純文本工作負載僅需約 2.7 億引數。

    要做端側搜尋或隱私 RAG,這個模型值得評估

    华尔街见闻AI 評分 60

同時在說的其他事

熱度怎麼算的?瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。

本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →