Google DeepMind выпустила EmbeddingGemma 2 — небольшую открытую модель, объединяющую текст, код, изображения, видео и звук в одном поисковом пространстве

6 октября 2026 года Google DeepMind представила EmbeddingGemma 2 — открытую модель эмбеддингов, то есть модель, превращающую контент в векторы, чтобы приложения могли его искать и сопоставлять. Первая EmbeddingGemma (2025, только текст), по данным Google, скачана более 20 млн раз.

Что нового

• Пять типов данных в одном пространстве: текст, код, изображения, видео и звук отображаются в общее 768-мерное векторное пространство — можно, например, найти видеофрагмент по голосовой заметке или искать по часам аудиозаписей текстовым запросом.
• Компактная и модульная: всего 740 млн параметров — текстовая модель на 270 млн плюс видеокодировщик на 170 млн и аудиокодировщик на 300 млн. Разработчики могут загружать только нужные части (270 млн — только текст и код).
• Построена на архитектуре Gemma 4, выпущена под разрешающей коммерческое использование лицензией Apache 2.0; веса — на Hugging Face и Kaggle.
• Контекстное окно — 8192 токена, вчетверо больше, чем у первой версии. Векторы можно укорачивать до 512, 256 или 128 измерений ради экономии памяти.
• По данным Google, результат в тесте MTEB Code вырос с 68,76 до 78,68; компания заявляет лучшие показатели среди мультимодальных моделей эмбеддингов размером до 1 млрд параметров.
• С квантованием на Pixel 11 Pro текстовой версии нужно около 191 МБ оперативной памяти, полной мультимодальной — около 567 МБ, сообщает Google.

Ограничения, указанные Google

В карточке модели сказано, что EmbeddingGemma 2 не проходила дообучения на безопасность; качество может различаться между её 100+ языками; запускать её следует в bfloat16 или float32, поскольку float16 может давать испорченные эмбеддинги. Результаты тестов — данные самой Google.