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

2026 年 10 月 6 日，Google DeepMind 在 Google 官方部落格釋出 EmbeddingGemma 2，由該團隊研究工程師 Sahil Dua 和 Henrique Schechter Vera 公佈。這是一個 740M 引數的開源多模態嵌入模型，採用 Apache 2.0 許可，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。據 Reddit 的 LocalLLaMA 板塊介紹，740M 總引數由一個 270M 引數的文本模型，加上模組化的 170M 視覺編碼器和 300M 音訊編碼器組成，面向手機、筆記本等消費級硬體執行，模型頁面位於 Hugging Face 的 google/embeddinggemma-2。Google 稱其是端側多模態嵌入能力最強的模型。

10 月 7 日，Techmeme、Reddit 與 Unite.AI 先後報道了這一發布。幾家在模態範圍的表述上略有出入：Techmeme 寫的是把程式碼、影像、影片和音訊對映到同一嵌入空間；Unite.AI 寫的是文本、程式碼、影像、影片和音訊五種模態對映到同一個 768 維嵌入空間；Reddit 的表述則是文本（含程式碼）、影像、影片、音訊及其任意組合。目前事情停在釋出與開源這一步，材料中沒有更多後續進展。