RespuestasPublicado17 fuentes
EmbeddingGemma 2: un solo espacio para buscar texto, imágenes, audio y video
EmbeddingGemma 2 se lanzó el 6 de octubre de 2026. A diferencia del modelo original, admite texto, código, imágenes, video y audio en un espacio vectorial compartido de 768 dimensiones.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- EmbeddingGemma 2 se lanzó el 6 de octubre de 2026. A diferencia del modelo original, admite texto, código, imágenes, video y audio en un espacio vectorial compartido de 768 dimensiones.
- Está basado en Gemma 4, tiene 740 millones de parámetros en su configuración multimodal completa y se distribuye con licencia Apache 2.0.
- Su ventana de contexto es de 8.000 tokens, frente a los 2.000 del EmbeddingGemma original.
- Google lo describe como destacado para su tamaño, pero las fuentes consultadas no permiten comparar de forma sólida sus resultados numéricos con los de la primera versión.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Google DeepMind’s EmbeddingGemma 2, and how do its release date, open weight license, Gemma 4 architecture, parameter count, support. Article summary: Google DeepMind released EmbeddingGemma 2 on October 6, 2026 as an open weight, multimodal successor to its text only EmbeddingGemma.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful a
Google DeepMind presentó EmbeddingGemma 2 el 6 de octubre de 2026. Es un modelo de pesos abiertos para crear representaciones numéricas —o embeddings— de distintos tipos de contenido y facilitar búsquedas por significado. Su principal diferencia frente al EmbeddingGemma original es que ya no se limita al texto: también procesa código, imágenes, video y audio. 2
De texto a contenido multimodal
El modelo asigna esas modalidades a un mismo espacio vectorial de 768 dimensiones. En la práctica, esto permite que una aplicación compare una consulta escrita con contenido visual o sonoro sin depender necesariamente de modelos de embeddings distintos para cada tipo de archivo. Sus codificadores son modulares: se pueden cargar los necesarios, con configuraciones que van de 270 millones de parámetros para texto y código a 740 millones para todas las modalidades. 2
18
La idea es útil para tareas como buscar una foto a partir de una descripción, localizar un momento en un video o recuperar información para una aplicación de generación aumentada por recuperación (RAG). EmbeddingGemma 2 está pensado para funcionar también en dispositivos, sin que cada operación de búsqueda tenga que pasar por un servicio en la nube. 3
Qué cambia respecto de la primera versión
EmbeddingGemma, publicado en septiembre de 2025, era un modelo de texto con 308 millones de parámetros, basado en Gemma 3. Ofrecía una ventana de contexto de 2.000 tokens. EmbeddingGemma 2, construido sobre la arquitectura Gemma 4, eleva esa ventana a 8.000 tokens. 5
6
11
También es posible reducir la cantidad de dimensiones de los vectores de salida, en lugar de usar siempre las 768. La primera versión permitía configurarlos entre 128 y 768 dimensiones; los materiales disponibles sobre EmbeddingGemma 2 describen la reducción hasta 128. Esto puede ayudar a limitar el espacio que ocupan los vectores, aunque reducir dimensiones puede implicar compromisos en el desempeño de recuperación. 5
9
Memoria y resultados: qué se sabe
Google describe EmbeddingGemma 2 como un modelo de alto rendimiento para su tamaño, pero las fuentes consultadas no ofrecen una base suficiente para presentar una comparación numérica concluyente con el modelo original. 2
En una prueba con una versión cuantizada en un Google Pixel 11 Pro, Google reportó unos 191 MB de memoria activa para la configuración de texto y unos 567 MB para el modelo multimodal completo. Son cifras asociadas a esas configuraciones y a ese dispositivo; no garantizan el mismo consumo en cualquier teléfono o equipo. 3
Licencia, disponibilidad y límites
El modelo se distribuye con pesos abiertos bajo la licencia Apache 2.0 y aparece en los materiales para desarrolladores de Google y en su página de Hugging Face. Las fuentes revisadas no permiten confirmar una fecha para otras distribuciones o integraciones futuras. 2
Un espacio vectorial compartido facilita encontrar similitudes entre contenidos, pero no determina si lo recuperado es verdadero, seguro o adecuado. Las aplicaciones que lo utilicen siguen necesitando controles propios para manejar información sensible y reducir el impacto de resultados incorrectos.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "EmbeddingGemma 2: un solo espacio para buscar texto, imágenes, audio y video"?
EmbeddingGemma 2 se lanzó el 6 de octubre de 2026. A diferencia del modelo original, admite texto, código, imágenes, video y audio en un espacio vectorial compartido de 768 dimensiones.
¿Cuáles son los puntos clave a validar primero?
EmbeddingGemma 2 se lanzó el 6 de octubre de 2026. A diferencia del modelo original, admite texto, código, imágenes, video y audio en un espacio vectorial compartido de 768 dimensiones. Está basado en Gemma 4, tiene 740 millones de parámetros en su configuración multimodal completa y se distribuye con licencia Apache 2.0.
¿Qué debo hacer a continuación en la práctica?
Su ventana de contexto es de 8.000 tokens, frente a los 2.000 del EmbeddingGemma original.
Fuentes
developers.googleblog.comdevelopers.googleblog.com · en · embeddinggemma-2-theEmbeddingGemma 2: The Developer Guide- Google Developers Blog