谷歌发布 EmbeddingGemma 2：Apache2.0开源轻量多模态嵌入模型，设备端统一处理图文音视频

谷歌推出 EmbeddingGemma 2，一款Apache 2.0协议开放、面向设备端的轻量多模态嵌入模型，能够把文本、代码、图像、音频、视频映射至同一个嵌入向量空间，在消费级本地硬件上完成跨模态语义检索。

• 模型：https://huggingface.co/google/embeddinggemma-2
• GGUF：https://huggingface.co/ggml-org/embeddinggemma-2-GGUF
• Demo：https://huggingface.co/spaces/webml-community/embeddinggemma-2-webgpu
• LiteRT：https://huggingface.co/litert-community

上一代EmbeddingGemma收获超2000万次下载，大量开发者用来搭建设备端搜索与隐私优先RAG。EmbeddingGemma 2基于Gemma 4架构升级，总参数7.4亿，主打边缘设备推理。单模型就可以实现：用文字检索语音备忘录、查找视频片段，跨图文音视频做统一语义搜索。

核心特性

• 同尺寸基准领先：在MTEB Code代码嵌入、MAEB音频嵌入等评测中，在十亿参数以内的多模态嵌入模型里取得顶尖成绩，文本、图像、音频任务效果不输很多体量更大的模型。代码能力提升明显，MTEB Code得分从68.76提升至78.68，涨幅9.92分，适合本地代码库索引、代码语义检索。
• 模块化编码器：纯文本仅270M参数；视觉编码器170M，音频编码器300M，可以按需加载，不用多模态功能就不加载对应模块，节省资源。
• Matryoshka嵌套表示学习MRL：输出向量支持动态截断，原生768维，可降至512/256/128维，向量数据库存储最多减少6倍，降低内存开销。
• 移动端硬件友好：量化之后，Pixel11Pro上纯文本活跃内存最低约191MB；完整多模态版本约567MB，适合手机等终端离线运行。
• 8K上下文窗口，是初代EmbeddingGemma的4倍。一次最多处理5.5分钟音频、29张图片、58帧视频，或是多种模态交错混合输入。

设备端RAG与检索能力

EmbeddingGemma 2主打离线场景。在本地生成向量，数据不用上传云端，保护隐私，同时降低网络延迟，实现完全离线的跨模态检索、语义路由。

它可以搭配Gemma 4构建设备端RAG管线，两者共享分词器与音频编码器，一起部署时整体内存占用更低。可用来做本地多媒体知识库、语音素材检索、图片文档检索、代码库检索。

获取与部署方案

模型采用宽松Apache 2.0许可证，权重可在Hugging Face、Kaggle下载；Gemini企业平台Model Garden后续上线。

部署支持多种方案：

1. MediaPipe快速开发跨平台应用；LiteRT做深度定制集成；
2. 浏览器端：transformers.js + WebGPU；
3. 主流工具栈兼容：transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama、LMStudio；向量库推荐Qdrant；
4. 支持微调，可参考Unsloth提供的微调教程。