AnswersPublished18 sources
Che cos’è EmbeddingGemma 2 e cosa cambia rispetto al primo modello
Google DeepMind ha presentato EmbeddingGemma 2 il 6 ottobre 2026: è un modello open weight basato su Gemma 4, con 740 milioni di parametri e licenza Apache 2.0. A differenza del primo EmbeddingGemma, limitato al testo, la nuova versione mappa testo, codice, immagini, video e audio in uno spazio vettoriale condiviso.
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Google DeepMind ha presentato EmbeddingGemma 2 il 6 ottobre 2026: è un modello open weight basato su Gemma 4, con 740 milioni di parametri e licenza Apache 2.0.
- A differenza del primo EmbeddingGemma, limitato al testo, la nuova versione mappa testo, codice, immagini, video e audio in uno spazio vettoriale condiviso.
- La finestra di contesto dichiarata è di 8.000 token. La memoria indicativa, con quantizzazione, va da circa 191 MB per la configurazione solo testo a 567 MB per quella multimodale completa.
- Google la definisce una soluzione ai vertici della categoria per dimensioni, ma le fonti disponibili non bastano per un confronto numerico affidabile dei benchmark con il modello precedente.
AI Prompt
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 ha rilasciato EmbeddingGemma 2 il 6 ottobre 2026. È la nuova versione multimodale del modello di embedding EmbeddingGemma: invece di rappresentare soltanto il testo, può trasformare contenuti di tipi diversi in vettori confrontabili. È basato sull’architettura Gemma 4 ed è pensato anche per l’esecuzione direttamente su dispositivi, senza affidare necessariamente la ricerca a un servizio cloud. 1
2
Un solo spazio per cinque tipi di contenuto
Un embedding è una rappresentazione numerica del significato di un contenuto. In EmbeddingGemma 2, i codificatori modulari portano testo, codice, immagini, video e audio in uno spazio condiviso a 768 dimensioni. In pratica, un’applicazione può confrontare una domanda scritta con immagini o registrazioni pertinenti senza dover concatenare modelli di embedding separati. Gli sviluppatori possono caricare i codificatori necessari: le configurazioni vanno da 270 milioni a 740 milioni di parametri. 1
5
Licenza, dimensioni e contesto
Il modello completo conta 740 milioni di parametri ed è distribuito con pesi aperti e licenza Apache 2.0. Il primo EmbeddingGemma, presentato nel settembre 2025, era invece un modello da 308 milioni di parametri, basato su Gemma 3 e dedicato al testo. 1
3
4
La finestra di contesto dichiarata per la nuova versione è di 8.000 token, circa quattro volte i 2.000 token del predecessore. Anche gli embedding possono avere dimensioni inferiori alle 768 predefinite, invece di dover utilizzare sempre il vettore completo; il primo modello supportava esplicitamente dimensioni da 128 a 768. 4
6
Uso locale: memoria e possibili applicazioni
Google indica un consumo di memoria attiva, con quantizzazione, di circa 191 MB per la configurazione solo testo e 567 MB per quella multimodale completa. Sono valori riferiti a specifiche configurazioni e condizioni di test, non una garanzia valida per qualsiasi dispositivo. 2
6
7
La ricerca semantica locale potrebbe servire, per esempio, a trovare una nota, una foto, un passaggio di un video o un contenuto audio partendo da una descrizione in linguaggio naturale. Il modello può inoltre essere impiegato in sistemi di generazione aumentata dal recupero, o RAG, che affiancano a un modello generativo contenuti recuperati da una raccolta di documenti o altri dati. 2
8
Che cosa sappiamo dei benchmark e della sicurezza
Google descrive EmbeddingGemma 2 come un modello ai vertici della categoria per le sue dimensioni. Tuttavia, le fonti disponibili non consentono un confronto numerico solido dei risultati dei benchmark con il primo EmbeddingGemma; è quindi meglio non presentare un punteggio o un miglioramento preciso come dato accertato. 2
6
7
Inoltre, collocare contenuti diversi nello stesso spazio vettoriale facilita il recupero per somiglianza, ma non garantisce che i risultati siano corretti, sicuri o adatti al contesto. Chi sviluppa un’applicazione deve comunque gestire i dati sensibili e prevedere controlli per i risultati errati o fuorvianti. 2
8
Disponibilità
I pesi sono indicati nei materiali per sviluppatori di Google e nella pagina del modello su Hugging Face. Le fonti esaminate non forniscono invece elementi sufficienti per stabilire una data certa per ulteriori distribuzioni o integrazioni future. 1
5
8
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Che cos’è EmbeddingGemma 2 e cosa cambia rispetto al primo modello"?
Google DeepMind ha presentato EmbeddingGemma 2 il 6 ottobre 2026: è un modello open weight basato su Gemma 4, con 740 milioni di parametri e licenza Apache 2.0.
What are the key points to validate first?
Google DeepMind ha presentato EmbeddingGemma 2 il 6 ottobre 2026: è un modello open weight basato su Gemma 4, con 740 milioni di parametri e licenza Apache 2.0. A differenza del primo EmbeddingGemma, limitato al testo, la nuova versione mappa testo, codice, immagini, video e audio in uno spazio vettoriale condiviso.
What should I do next in practice?
La finestra di contesto dichiarata è di 8.000 token. La memoria indicativa, con quantizzazione, va da circa 191 MB per la configurazione solo testo a 567 MB per quella multimodale completa.
Sources
blog.googleIntroducing Gemini 2.0: our new AI model for the agentic era
developers.googleblog.comdevelopers.googleblog.com · en · embeddinggemma-2-theEmbeddingGemma 2: The Developer Guide- Google Developers Blog