EmbeddingGemma 2：开源轻量级多模态嵌入模型

谷歌DeepMind本周发布EmbeddingGemma 2，一款可在本地设备上运行的多模态嵌入模型。这是继去年EmbeddingGemma之后的第二代产品，最大的变化是从纯文本扩展到文本、图像、音频、视频的统一嵌入空间——简单说，就是让手机、笔记本这类终端设备能直接理解并检索多种类型的内容，不需要把数据传到云端。模型基于Gemma 4架构，参数规模7.4亿，采用Apache 2.0商业友好许可，开发者可以免费商用。 对跨境卖家和AI应用开发者来说，这个模型有几个值得关注的点。首先是隐私和成本：嵌入计算完全在本地完成，数据不出设备，既规避了跨境数据传输的合规风险，也省去了调用云端API的费用。其次是存储优化：通过Matryoshka表示学习技术，输出向量可以从768维动态截断到512、256甚至128维，本地向量数据库的存储占用最多能压缩6倍。在谷歌Pixel 11 Pro上，纯文本权重仅需约191MB运行内存，完整多模态版本约567MB。性能方面，代码检索能力比上一代提升了9.92分（MTEB Code基准从68.76升至78.68），8K token的上下文窗口可以一次处理约5.5分钟音频、29张图片或58帧视频。开发者社区此前对第一代的反馈超出谷歌预期，下载量已超过2000万次，主要用于设备端搜索和隐私优先的RAG（检索增强生成）流程。EmbeddingGemma 2把这种能力从文本扩展到了全模态，意味着做多语言商品检索、以图搜图、语音搜索商品等场景的团队，现在有了一个可以完全离线运行的轻量方案。