EmbeddingGemma 2 Expands Beyond Text to Support Code, Images, Video, and Audio

EmbeddingGemma 2 扩展至代码、图像、视频和音频支持 - InfoQ

InfoQ 首页 News EmbeddingGemma 2 扩展至代码、图像、视频和音频支持

移动

扩展 OpenTelemetry：管理收集器、配置和成本（11月19日网络研讨会）

EmbeddingGemma 2 扩展至代码、图像、视频和音频支持

2026年10月19日 2分钟阅读

作者

• Sergio De Simone

#### 关注我们

YouTube

232K 粉丝

LinkedIn

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 点赞

Bluesky

收听本文 -

0:00

音频准备播放

您的浏览器不支持音频元素。

正常

1.25x

1.5x

点赞

新下拉阅读列表

• 阅读列表

基于 Gemma 4 架构并采用 Apache 2.0 许可证发布，Google 的 EmbeddingGemma 2 是一款紧凑型开放权重多模态嵌入模型，旨在提升语义搜索和检索增强生成（RAG）的效率，同时优化设备端部署性能。

该模型专为移动设备和笔记本电脑等消费级硬件设计，可为设备端应用（如搜索、检索增强生成（RAG）、分类和聚类）提供低延迟语义表示。

凭借多模态能力，EmbeddingGemma 2 支持广泛的检索任务，包括根据查询找到相关文档、截图和录音，使用自然语言搜索源代码，以及根据文本描述检索视频内容。

Google 表示，该模型的关键特性是其能够将文本、代码、图像、视频和音频统一映射到768维嵌入空间。这使开发者能够构建跨不同媒体类型的检索系统，而无需为不同媒体类型维护独立且不兼容的嵌入空间。

尽管来自不同模态，EmbeddingGemma 2 生成的嵌入向量共享相同维度空间，且可通过语义相似性进行比较。

该模型允许开发者仅加载其应用所需编码器，参数规模从文本和代码的2.7亿扩展至完整多模态支持的7.4亿。据Google称，该模型"在代码搜索和技术检索方面显著优于EmbeddingGemma 1，非常适合本地代码库索引和智能体代码搜索"。

EmbeddingGemma 2 支持Matryoshka表示学习（MRL），允许将嵌入向量截断为更短的单位长度向量，从而降低存储需求。例如，以bfloat16精度存储100万组768维向量需要约1.5GB内存，而截断至128维仅需250MB，存储需求降低六倍。但这也意味着检索质量的权衡。因此Google建议仅在存储或搜索速度有要求时使用截断。在128维时，模型可保留约90%的文本质量，但图像、视频和语音检索性能降至约75%。

针对此次发布，Reddit用户Distinct-Target7503在评论中强调了该模型的多模态能力，同时质疑其在纯文本任务上的改进幅度：

这款模型令人印象深刻之处在于它能将图像和音频嵌入到共享语义空间，但仅针对文本任务时改进并不显著。

同时，Reddit用户Open-Adhesiveness-86提醒开发者正确使用模型的重要性：

在首次使用embeddinggemma时让我遇到问题的两件事，可能至今仍然适用：任务前缀不是可选的，用查询前缀而不是" title: none | text: "来索引文档会明显降低召回率。如果需要为MRL截断向量，应先切片再对较短的向量进行L2归一化，在768维度归一化后再截断会得到非规范化的向量。

EmbeddingGemma去年推出时聚焦于"离线和隐私敏感场景，例如本地跨个人文件搜索、使用Gemma 3n运行移动端RAG流水线，或构建领域专用聊天机器人"。EmbeddingGemma 2现已在Hugging Face上发布。

作者信息主容器

关于作者

章节标题

每位作者的主容器

#### Sergio De Simone

显示更多

显示更少

#### 本内容属于移动技术主题

##### 相关主题：

• 开发
• 人工智能、机器学习与数据工程
• 检索
• 大语言模型
• 移动端
• 智能体
• 检索增强生成
• Google
• 相关编辑内容
• 相关赞助商
• 相关赞助商 2026年12月15-16日。探讨资深从业者如何在生产环境中运行智能体、评估、模型服务和AI辅助工程，包括哪些方案失败了以及发生了哪些变化。立即注册

InfoQ新闻简报

每周二发送上周InfoQ内容摘要。加入超过25万名资深开发者的社区。查看示例

我们保护您的隐私。