Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可将文本、图像、音频、视频映射到统一嵌入空间。模型权重已在 Hugging Face 和 Kaggle 上线，Gemini Enterprise Agent Platform Model Garden 的支持“即将推出”。 据 Google DeepMind 介绍，该模型面向端侧推理：量化后在 Google Pixel 11 Pro 上，纯文本权重占用约 191MB 活跃内存，完整多模态模型约 567MB。其 8K token 上下文窗口是 EmbeddingGemma 1 的 4 倍，可在本地硬件上直接处理最长约 5.5 分钟音频、29 张图像、58 帧视频或它们的交错组合。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。