Google DeepMind lanza EmbeddingGemma 2, un modelo abierto pequeño que reúne texto, código, imágenes, vídeo y audio en un mismo espacio de búsqueda

Google DeepMind lanzó el 6 de octubre de 2026 EmbeddingGemma 2, un modelo de embeddings abierto: el tipo de modelo que convierte contenidos en vectores para que las aplicaciones puedan buscarlos y compararlos. El primer EmbeddingGemma (2025, solo texto) supera los 20 millones de descargas, según Google.

Novedades

• Cinco tipos de entrada en un solo espacio: texto, código, imágenes, vídeo y audio se proyectan en un espacio vectorial común de 768 dimensiones; se puede, por ejemplo, encontrar un clip de vídeo con una nota de voz o buscar en horas de audio con una consulta de texto.
• Pequeño y modular: 740 millones de parámetros en total: un modelo de texto de 270M más un codificador de visión de 170M y uno de audio de 300M. Se pueden cargar solo las partes necesarias (270M para texto y código).
• Basado en la arquitectura Gemma 4 y publicado con la licencia comercialmente permisiva Apache 2.0; pesos en Hugging Face y Kaggle.
• Ventana de contexto de 8.192 tokens, cuatro veces la de la versión 1. Los vectores pueden recortarse a 512, 256 o 128 dimensiones para ahorrar almacenamiento.
• Google informa de que la puntuación MTEB Code subió de 68,76 a 78,68 y afirma liderar entre los modelos de embeddings multimodales de menos de mil millones de parámetros.
• Con cuantización en un Pixel 11 Pro, la versión solo texto necesita unos 191 MB de RAM activa y el modelo multimodal completo unos 567 MB, según Google.

Limitaciones declaradas por Google

La ficha del modelo indica que EmbeddingGemma 2 no ha pasado por un alineamiento de seguridad posterior al entrenamiento; el rendimiento puede variar entre sus más de 100 idiomas, y debe ejecutarse en bfloat16 o float32, porque float16 puede producir embeddings defectuosos. Las cifras de rendimiento son de la propia Google.