TellWorldAI 世界档案
问档案English

首页›模型

模型

EmbeddingGemma 2

EmbeddingGemma 2 是 Google 的嵌入模型,把只支持文本的 EmbeddingGemma 扩展到文本、代码、图像、视频和音频,统一映射到 768 维向量空间,采用 Apache 2.0 许可证。

模态 文本、图像、音频、视频开放权重 是上下文(千 token) 8 时代 生成式 AI 普及

参数量
740M
许可
Apache-2.0
访问方式
下载
发布日期
开发方
谷歌 DeepMind(Google DeepMind)

背景

嵌入模型(embedding model)把一段内容转换成一串数字,即向量。意思相近的内容,向量在空间中的位置也相近。这使嵌入适用于搜索、检索和匹配。EmbeddingGemma 是 Google 的嵌入模型系列,第一代只处理文本。[1]

这是什么

2026 年 11 月 17 日,Google 发布了 EmbeddingGemma 2,为原本只支持文本的模型加入了原生的多模态理解能力。[1] 它可以把文本(包括代码)、图像、视频和音频,单独或组合地映射到同一个 768 维向量空间。[2] 因为所有这些输入共享同一个空间,文本查询可以直接与图片或视频的向量比较,使用的是同一种距离计算方法。

Google 表示,该模型基于 Gemma 4 的架构和能力改进而来。Gemma 是 Google 的开放模型系列。[2]

关键细节

模型总参数量为 740M,由一个 270M 的文本模型,加上可独立装配的视觉编码器(170M)和音频编码器(300M)组成。[2] 编码器(encoder)是神经网络中处理某一类输入的部分。视觉和音频编码器可以按需加载,开发者只需加载自己用到的模态。[2]

支持的 Matryoshka 截断维度为 128、256、512 和 768。[2] 截断指把向量缩短到更小的尺寸。较短的向量占用更少存储,比较速度也更快,代价是一定的精度损失。

上下文窗口为 8,192 个词元(token)。[2] 词元是一小段文本,通常是一个词或词的一部分,它决定了单次输入能覆盖多少内容。

Google 建议以 bfloat16 或 float32 运行推理,而不要使用 float16,因为该模型的激活值范围超出了 float16 的动态范围。[2] 推理(inference)指运行模型得到结果的过程;数值格式决定了哪些数值能够被存储而不溢出。

许可

许可证为 Apache 2.0。[2] 在该许可下,模型可以被使用、修改和再分发,条款较为宽松,这对希望把它部署在自有系统中的开发者很重要。

为什么值得关注

嵌入模型是不太显眼的基础组件。它们本身不写答案,却决定搜索系统会找到哪些文档、图片或片段。把一个模型扩展到多种输入,并允许只加载需要的部分,使开发者可以在混合内容上构建检索,而不必为每种类型单独搭建系统。

20261

  1. 发布Google 发布 EmbeddingGemma 2,支持多模态嵌入

    2026 年 11 月 17 日,Google 发布 EmbeddingGemma 2,为原本只支持文本的模型加入多模态嵌入能力。Google 报告其在 MTEB 代码基准上的得分为 78.68,第一代为 68.76。

基于1

Gemma 4

注释与来源

  1. Read the EmbeddingGemma 2 technical reporthttps://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2-technical-report/
  2. EmbeddingGemma 2 model cardhttps://ai.google.dev/gemma/docs/embeddinggemma/model_card_2

引用本页: EmbeddingGemma 2. TellWorld, https://www.tellworld.net/zh/models/embeddinggemma-2. 更新于 2026-11-18