AnswersPublished18 sources
EmbeddingGemma 2: Googles nya modell förenar text, bilder, video och ljud
Google DeepMind släppte EmbeddingGemma 2 den 6 oktober 2026. Modellen är en multimodal efterföljare till textmodellen EmbeddingGemma och bygger på Gemma 4.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Google DeepMind släppte EmbeddingGemma 2 den 6 oktober 2026. Modellen är en multimodal efterföljare till textmodellen EmbeddingGemma och bygger på Gemma 4.
- Den har 740 miljoner parametrar och Apache 2.0 licens. Med modulära kodare kan utvecklare välja en konfiguration från 270 till 740 miljoner parametrar.
- Text, kod, bilder, video och ljud kan placeras i samma 768 dimensionella vektorrum.
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 släppte EmbeddingGemma 2 den 6 oktober 2026. Det är en öppen, multimodal efterföljare till den textbaserade EmbeddingGemma, byggd på Gemma 4. Tanken är att olika slags innehåll ska kunna hittas och jämföras i samma vektorrum – även när sökningen körs lokalt på en enhet i stället för via en molntjänst. 1
2
En embedding är en numerisk representation av innehåll. Modellen omvandlar exempelvis text till en vektor som fångar dess betydelse, så att en app kan hitta innehåll som liknar en sökning även om orden inte är identiska.
Vad är nytt jämfört med första EmbeddingGemma?
- Licens och storlek: EmbeddingGemma 2 har 740 miljoner parametrar och ges ut under Apache 2.0-licensen. Den första EmbeddingGemma, som släpptes i september 2025, hade 308 miljoner parametrar och byggde på Gemma 3.
1
3
- Fler typer av innehåll: Den nya modellen hanterar text och kod, bilder, video och ljud – och kombinationer av dessa. Föregångaren var begränsad till text.
- Gemensamt vektorrum: Modellens indata mappas till ett gemensamt utrymme med 768 dimensioner. Det gör det möjligt för en app att jämföra till exempel en textfråga med innehåll i en bild eller ljudinspelning, i stället för att behöva koppla ihop separata embeddingmodeller.
- Modulär uppbyggnad: Utvecklare kan ladda de kodare de behöver. Konfigurationerna sträcker sig från 270 miljoner parametrar för text och kod till 740 miljoner för alla modaliteter.
Längre kontext och valbara vektorstorlekar
EmbeddingGemma 2 har en uppgiven kontext på 8 000 token, ungefär fyra gånger så mycket som den första modellens 2 000 token. Båda modellerna kan ge ut mindre vektorer i stället för att alltid använda alla 768 dimensioner. Den första modellen erbjöd uttryckligen dimensioner från 128 till 768. 4
6
Kortare vektorer kan minska lagringsbehovet, men en mindre representation är inte automatiskt lika användbar i alla situationer. Valet beror på hur sökningen ska användas.
Vad vet vi om prestanda och minnesåtgång?
Google beskriver EmbeddingGemma 2 som ledande i sin storleksklass. Underlaget här räcker däremot inte för en rättvis, sifferbaserad jämförelse av benchmarkresultaten med den första modellen. 2
6
7
Google uppger att den kvantiserade modellen använder omkring 191 MB aktivt arbetsminne i textkonfigurationen och 567 MB i den fulla multimodala konfigurationen. Det är uppgifter för specifika konfigurationer och inte en garanti för hur modellen fungerar på varje enhet. 2
3
Vad kan modellen användas till – och vad löser den inte?
Modellen kan ligga till grund för lokal semantisk sökning i exempelvis anteckningar, foton, ljudinspelningar och video. Den kan också användas i multimodal informationshämtning, bland annat som en del av RAG – en teknik där ett AI-system hämtar relevant material innan det svarar. 2
8
Ett gemensamt vektorrum gör det möjligt att jämföra innehåll från olika medier, men det avgör inte om ett sökresultat är sant, säkert eller lämpligt. Appar som använder modellen behöver fortfarande hantera känsligt innehåll och felaktiga träffar på egen hand. 2
8
Tillgänglighet
Modellvikterna finns listade via Googles utvecklarmaterial och på modellens sida på Hugging Face. Det finns inte tillräckligt underlag i de granskade källorna för att ange ett säkert datum för ytterligare planerade distributioner eller integrationer. 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 "EmbeddingGemma 2: Googles nya modell förenar text, bilder, video och ljud"?
Google DeepMind släppte EmbeddingGemma 2 den 6 oktober 2026. Modellen är en multimodal efterföljare till textmodellen EmbeddingGemma och bygger på Gemma 4.
What are the key points to validate first?
Google DeepMind släppte EmbeddingGemma 2 den 6 oktober 2026. Modellen är en multimodal efterföljare till textmodellen EmbeddingGemma och bygger på Gemma 4. Den har 740 miljoner parametrar och Apache 2.0 licens. Med modulära kodare kan utvecklare välja en konfiguration från 270 till 740 miljoner parametrar.
What should I do next in practice?
Text, kod, bilder, video och ljud kan placeras i samma 768 dimensionella vektorrum.
Sources