Google DeepMind lança o EmbeddingGemma 2, modelo aberto e pequeno que reúne texto, código, imagens, vídeo e áudio num só espaço de busca

O Google DeepMind lançou em 6 de outubro de 2026 o EmbeddingGemma 2, um modelo de embeddings aberto — o tipo de modelo que transforma conteúdo em vetores para que aplicativos possam buscá-lo e compará-lo. O primeiro EmbeddingGemma (2025, só texto) passou de 20 milhões de downloads, segundo o Google.

O que há de novo

• Cinco tipos de entrada num só espaço: texto, código, imagens, vídeo e áudio são mapeados num espaço vetorial comum de 768 dimensões; dá para, por exemplo, achar um clipe de vídeo com uma nota de voz ou pesquisar horas de áudio com uma consulta em texto.
• Pequeno e modular: 740 milhões de parâmetros no total — um modelo de texto de 270M mais um codificador de visão de 170M e um de áudio de 300M. É possível carregar só as partes necessárias (270M para texto e código).
• Baseado na arquitetura Gemma 4 e lançado sob a licença comercialmente permissiva Apache 2.0; pesos no Hugging Face e no Kaggle.
• Janela de contexto de 8.192 tokens, quatro vezes a da versão 1. Os vetores podem ser encurtados para 512, 256 ou 128 dimensões para economizar armazenamento.
• O Google informa que a pontuação MTEB Code subiu de 68,76 para 78,68 e diz liderar entre os modelos de embeddings multimodais com menos de 1 bilhão de parâmetros.
• Com quantização num Pixel 11 Pro, a versão só de texto precisa de cerca de 191 MB de RAM ativa e o modelo multimodal completo, de cerca de 567 MB, segundo o Google.

Limitações declaradas pelo Google

O cartão do modelo afirma que o EmbeddingGemma 2 não passou por alinhamento de segurança pós-treinamento; o desempenho pode variar entre seus mais de 100 idiomas; e ele deve rodar em bfloat16 ou float32, pois float16 pode gerar embeddings corrompidos. Os números de benchmark são do próprio Google.