AnswersPublished17 sources
Apa itu EmbeddingGemma 2? Model AI Google untuk carian merentas teks, imej, audio dan video
Google DeepMind memperkenalkan EmbeddingGemma 2 pada 6 Oktober 2026. Model berlesen Apache 2.0 ini mempunyai 740 juta parameter dan dibina berasaskan Gemma 4.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Google DeepMind memperkenalkan EmbeddingGemma 2 pada 6 Oktober 2026. Model berlesen Apache 2.0 ini mempunyai 740 juta parameter dan dibina berasaskan Gemma 4.
- Model ini memetakan teks, kod, imej, video dan audio ke dalam ruang vektor 768 dimensi yang sama, supaya kandungan berlainan jenis boleh dibandingkan untuk carian.
- Berbanding EmbeddingGemma asal yang hanya menyokong teks, versi baharu menawarkan konteks 8,192 token serta konfigurasi modular daripada 270 juta hingga 740 juta parameter.
- Anggaran penggunaan memori pada peranti selepas kuantisasi ialah sekitar 191 MB untuk konfigurasi teks sahaja dan 567 MB untuk model multimodal penuh, berdasarkan ujian Google pada Pixel 11 Pro.
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
Satu model untuk mencari kandungan daripada pelbagai jenis media
EmbeddingGemma 2 ialah model embedding multimodal daripada Google DeepMind yang dilancarkan pada 6 Oktober 2026. Ringkasnya, model embedding menukar kandungan kepada perwakilan berangka supaya aplikasi boleh mencari bahan yang berkaitan dari segi makna. Berbeza daripada EmbeddingGemma asal yang hanya memproses teks, versi baharu ini menyokong teks, kod, imej, video dan audio. 2
5
Model ini dibina berasaskan Gemma 4, mempunyai 740 juta parameter dan dikeluarkan dengan pemberat terbuka di bawah lesen Apache 2.0. Lesen tersebut membolehkan pembangun menggunakan dan menyesuaikan model dalam projek mereka, tertakluk pada syarat lesen. 2
Bagaimana ruang embedding bersama berfungsi?
EmbeddingGemma 2 menukarkan kandungan yang disokong kepada vektor dalam ruang bersama 768 dimensi. Oleh sebab vektor daripada jenis media berbeza berada dalam ruang yang sama, aplikasi boleh membandingkan pertanyaan teks dengan imej, rakaman audio atau kandungan video tanpa perlu menyambungkan model embedding berasingan untuk setiap jenis media. 2
18
Reka bentuknya modular: pembangun boleh memuatkan encoder mengikut keperluan, dengan pilihan konfigurasi daripada 270 juta parameter untuk teks dan kod hingga 740 juta parameter bagi sokongan semua modaliti. Ini memberi ruang untuk memilih pertukaran yang sesuai antara jenis input dengan penggunaan sumber. 2
9
Perbandingan dengan EmbeddingGemma asal
EmbeddingGemma pertama, yang diperkenalkan pada September 2025, ialah model embedding teks sahaja dengan 308 juta parameter. Ia menyediakan konteks 2,000 token dan dimensi output boleh laras antara 128 hingga 768. 5
11
EmbeddingGemma 2 memperluas keupayaan itu kepada media lain dan meningkatkan konteks yang dilaporkan kepada 8,192 token, kira-kira empat kali ganda. Vektor outputnya juga boleh dipendekkan sehingga 128 dimensi, yang berpotensi mengurangkan ruang simpanan yang diperlukan untuk menyimpan vektor. 5
9
Penggunaan pada peranti dan angka penanda aras
Google melaporkan penggunaan memori aktif sekitar 191 MB untuk konfigurasi teks sahaja dan 567 MB untuk konfigurasi multimodal penuh selepas kuantisasi, berdasarkan ujian pada Google Pixel 11 Pro. Angka ini bergantung pada konfigurasi dan keadaan ujian; ia bukan jaminan penggunaan memori yang sama pada setiap peranti. 3
Google menyifatkan EmbeddingGemma 2 sebagai model yang berprestasi tinggi untuk saiznya. Namun, maklumat yang dirujuk di sini tidak menyediakan perbandingan angka penanda aras yang cukup kukuh untuk membuat kesimpulan menyeluruh tentang peningkatannya berbanding model asal. 2
Apa yang boleh dibina dengannya — dan apa batasnya?
Pembangun boleh menggunakan model ini untuk carian semantik pada peranti merentas nota, gambar, rakaman dan video, atau untuk mendapatkan bahan berkaitan dalam sistem seperti penjanaan tambahan carian semula (RAG). Pemprosesan setempat juga boleh membantu aplikasi yang mahu mengelakkan penghantaran kandungan ke perkhidmatan awan bagi tugas carian. 3
16
Namun, ruang embedding bersama bukan penapis keselamatan dan tidak mengesahkan sama ada hasil carian itu tepat, sesuai atau selamat. Aplikasi tetap perlu mengendalikan kandungan sensitif dan semakan hasil yang tersilap secara berasingan.
Pemberat model disenaraikan melalui bahan pembangun Google dan halaman modelnya di Hugging Face. Sumber yang dirujuk tidak mengesahkan tarikh bagi sebarang saluran edaran atau integrasi tambahan yang dirancang.
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 "Apa itu EmbeddingGemma 2? Model AI Google untuk carian merentas teks, imej, audio dan video"?
Google DeepMind memperkenalkan EmbeddingGemma 2 pada 6 Oktober 2026. Model berlesen Apache 2.0 ini mempunyai 740 juta parameter dan dibina berasaskan Gemma 4.
What are the key points to validate first?
Google DeepMind memperkenalkan EmbeddingGemma 2 pada 6 Oktober 2026. Model berlesen Apache 2.0 ini mempunyai 740 juta parameter dan dibina berasaskan Gemma 4. Model ini memetakan teks, kod, imej, video dan audio ke dalam ruang vektor 768 dimensi yang sama, supaya kandungan berlainan jenis boleh dibandingkan untuk carian.
What should I do next in practice?
Berbanding EmbeddingGemma asal yang hanya menyokong teks, versi baharu menawarkan konteks 8,192 token serta konfigurasi modular daripada 270 juta hingga 740 juta parameter.