答え公開済み18 ソース
EmbeddingGemma 2とは？テキスト・画像・音声・動画を横断検索できる新モデル
EmbeddingGemma 2は2026年10月6日公開のオープンウェイトモデル。Gemma 4をベースに、テキストやコードに加えて画像・動画・音声も扱います。[1][2] Apache 2.0ライセンスで、最大740Mパラメータ。各メディアの情報を768次元の共通ベクトル空間に写し、必要なエンコーダーだけを選んで使える設計です。[1][5] コンテキスト長は8,000トークンで、旧モデルの2,000トークンから拡大。量子化した場合の端末メモリ使用量は、テキストのみで約191MB、全モダリティ構成で約567MBとされています。[2][6][7]
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- EmbeddingGemma 2は2026年10月6日公開のオープンウェイトモデル。Gemma 4をベースに、テキストやコードに加えて画像・動画・音声も扱います。[1][2]
- Apache 2.0ライセンスで、最大740Mパラメータ。各メディアの情報を768次元の共通ベクトル空間に写し、必要なエンコーダーだけを選んで使える設計です。[1][5]
- コンテキスト長は8,000トークンで、旧モデルの2,000トークンから拡大。量子化した場合の端末メモリ使用量は、テキストのみで約191MB、全モダリティ構成で約567MBとされています。[2][6][7]
AI プロンプト
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は2026年10月6日、マルチモーダル対応の埋め込みモデル「EmbeddingGemma 2」を公開しました。前モデルのEmbeddingGemmaはテキスト専用でしたが、新モデルはGemma 4をベースに、テキストやコード、画像、動画、音声を共通のベクトル空間に対応づけます。クラウドにデータを送らず、端末上で検索などに利用することも想定されています。1
2
埋め込みモデルは、文章や画像などの内容を数値の並び（ベクトル）に変換し、意味の近さを比べられるようにするモデルです。たとえば、文章で入力した検索語から、内容の近い画像や音声を探す用途に使えます。
旧モデルから何が変わった？
- ライセンスと規模： EmbeddingGemma 2は740M（7億4,000万）パラメータで、Apache 2.0ライセンスのオープンウェイトモデルです。2025年9月公開の初代は308M（3億800万）パラメータで、Gemma 3をベースにしていました。
1
3
- 対応メディア： 初代がテキスト専用だったのに対し、新モデルはテキストとコード、画像、動画、音声、およびそれらを組み合わせた入力を扱います。異なる種類の情報を、共通の768次元ベクトル空間で比較できるのが特徴です。
- モジュール式の構成： 使いたい種類のエンコーダーを選んで読み込めます。構成はテキスト・コード向けの270Mパラメータから、全モダリティ対応の740Mパラメータまで調整できます。
- コンテキスト長とベクトルサイズ： 新モデルのコンテキスト長は8,000トークンとされ、初代の2,000トークンから約4倍になりました。また、出力ベクトルは常に768次元で使う必要はなく、小さくして利用できます。初代については128〜768次元に対応すると明記されています。
スマートフォンでも動かせる？
Googleが示す量子化モデルの端末上でのメモリ使用量は、テキストのみの構成で約191MB、全モダリティ対応の構成で約567MBです。いずれも特定の構成や測定条件での数値であり、すべての端末で同じ使用量や速度になるとは限りません。2
6
7
端末内で使えれば、メモ、写真、録音、動画をまたいだ意味検索や、検索拡張生成（RAG）向けの情報取得などに応用できます。ただし、共通のベクトル空間に情報を配置できることと、検索結果が安全・正確・適切であることは別です。機密情報の扱いや、誤った検索結果への対処は、アプリ側でも設計する必要があります。2
8
ベンチマークと入手方法
GoogleはEmbeddingGemma 2を、モデル規模に対して高性能なモデルとして紹介しています。一方、ここで確認できる情報だけでは、初代との性能差を数値で公平に比較できるだけの根拠は十分ではありません。2
6
7
モデルの重みはGoogleの開発者向け資料やHugging Faceのモデルページで案内されています。ほかの配布先や追加連携について、具体的な予定日を示す十分な情報は確認できません。1
5
8
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「EmbeddingGemma 2とは？テキスト・画像・音声・動画を横断検索できる新モデル」の短い答えは何ですか?
EmbeddingGemma 2は2026年10月6日公開のオープンウェイトモデル。Gemma 4をベースに、テキストやコードに加えて画像・動画・音声も扱います。[1][2]
最初に検証する重要なポイントは何ですか?
EmbeddingGemma 2は2026年10月6日公開のオープンウェイトモデル。Gemma 4をベースに、テキストやコードに加えて画像・動画・音声も扱います。[1][2] Apache 2.0ライセンスで、最大740Mパラメータ。各メディアの情報を768次元の共通ベクトル空間に写し、必要なエンコーダーだけを選んで使える設計です。[1][5]
次の実践では何をすればいいでしょうか？
コンテキスト長は8,000トークンで、旧モデルの2,000トークンから拡大。量子化した場合の端末メモリ使用量は、テキストのみで約191MB、全モダリティ構成で約567MBとされています。[2][6][7]
情報源