Google 釋出 EmbeddingGemma 2 多模態嵌入模型
2026/10/10 — 10/11 02:16·2 個來源（全部）·2 篇報道（全部）
核心速覽 (Key Takeaways)
- Google 釋出 EmbeddingGemma 2，一個基於 Gemma 4 的 sub-1B 開源多模態嵌入模型，以 Apache 2.0 許可開放。
- 它把文本、程式碼、影像、影片和音訊對映到統一的 768 維空間，模組化編碼器可按需載入，引數量覆蓋 270M 到 740M，並藉助 Matryoshka 表示學習支援動態截斷到 128 維，以降低向量庫儲存需求。
事件背景與詳細解讀
2026 年 10 月 10 日，Google 在 Google Developers Blog 上釋出了 EmbeddingGemma 2，一個基於 Gemma 4 的 sub-1B 開源多模態嵌入模型，以 Apache 2.0 許可開放。據該報道，它把文本、程式碼、影像、影片和音訊對映到統一的 768 維空間。
在用法上，開發者可以藉助 sentence-transformers 庫按需選擇性載入模組化模態編碼器，引數量從 270M 到 740M，以此最佳化記憶體佔用。模型還採用 Matryoshka 表示學習，支援把維度動態截斷到 128 維，從而降低向量庫的儲存需求。報道稱，現代搜尋與 RAG 應用需要跨技術文件、原始碼、影像、影片片段和音訊等多種內容型別工作，難點在於找到既能保證檢索準確率、又能兼顧其他方面的模型。
目前公開的資訊停在這一步：模型已釋出並開放許可，具體的載入方式、引數區間與維度截斷能力已給出，報道未披露更多後續進展。
AI 綜合 1 篇報道生成 · 更新於 12 小時前
最新進展Google 釋出 EmbeddingGemma 2，一個基於 Gemma 4 的 sub-1B 開源多模態嵌入模型，以 Apache 2.0 許可開放，把文本、程式碼、影像、影片和音訊對映到統一的 768 維空間。其模組化編碼器可按需載入，引數量從 270M 到 740M，並藉助 Matryoshka 表示學習支援動態截斷到 128 維，以降低向量庫儲存需求。
- 熱度指數
- 100
- 全部來源
- 2
- 全部報道
- 2
- 首報
- 12 小時前
這件事的報道 點標題看原文
Google 釋出 EmbeddingGemma 2，一個基於 Gemma 4 的 sub-1B 開源多模態嵌入模型，以 Apache 2.0 許可開放，把文本、程式碼、影像、影片和音訊對映到統一的 768 維空間。其模組化編碼器可按需載入，引數量從 270M 到 740M，並藉助 Matryoshka 表示學習支援動態截斷到 128 維，以降低向量庫儲存需求。
小體積多模態嵌入模型可直接替換 RAG 檢索層
Google Developers Blog官方AI 評分 63
據掘金訊息，谷歌釋出 EmbeddingGemma 2，把此前的端側文本向量模型擴充套件成端側多模態檢索 backbone：740M 引數，支援 100+ 語言，文本、程式碼、圖片、影片和音訊可進入同一個向量空間。相關內容被歸在完全端側的 AI Edge Foresight 之下。
端側多模態檢索模型，做本地部署和隱私方案的可以關注
掘金AI 評分 52
同時在說的其他事
- 熱度指數 38DeepMind 釋出 740M 多模態嵌入模型 EmbeddingGemma 21 個來源
- 熱度指數 201Google 為 Gemini 智慧體配發獨立工作賬號6 個來源
- 熱度指數 41Google 上線 Nano Banana 2.1，免費 Gemini 縮至 Flash-Lite1 個來源
- 熱度指數 578OpenAI 回應解僱三名安全研究員：與安全擔憂無關15 個來源
- 熱度指數 424TypeSafe AI 融資 8.7 億美元，估值 75 億美元8 個來源
熱度怎麼算的？瞭解口徑收起
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