คำตอบเผยแพร่แล้ว18 แหล่งที่มา
EmbeddingGemma 2 ขยายการค้นหา AI จากข้อความสู่ภาพ เสียง และวิดีโอ
Google DeepMind เปิดตัว EmbeddingGemma 2 เมื่อ 6 ตุลาคม 2026 เป็นโมเดล embedding แบบเปิดที่ต่อยอดจาก EmbeddingGemma รุ่นข้อความอย่างเดียว [2][20] โมเดลใหม่สร้างเวกเตอร์ให้ข้อความ โค้ด ภาพ วิดีโอ และเสียงในพื้นที่ 768 มิติเดียวกัน จึงนำเนื้อหาต่างชนิดมาใช้ค้นหาข้ามรูปแบบได้ [2][18] มีพารามิเตอร์สูงสุด 740 ล้านตัว ใช้...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Google DeepMind เปิดตัว EmbeddingGemma 2 เมื่อ 6 ตุลาคม 2026 เป็นโมเดล embedding แบบเปิดที่ต่อยอดจาก EmbeddingGemma รุ่นข้อความอย่างเดียว [2][20]
- โมเดลใหม่สร้างเวกเตอร์ให้ข้อความ โค้ด ภาพ วิดีโอ และเสียงในพื้นที่ 768 มิติเดียวกัน จึงนำเนื้อหาต่างชนิดมาใช้ค้นหาข้ามรูปแบบได้ [2][18]
- มีพารามิเตอร์สูงสุด 740 ล้านตัว ใช้ไลเซนส์ Apache 2.0 และเลือกโหลดส่วนประมวลผลเฉพาะรูปแบบที่ต้องการได้ [2][20]
- Google รายงานการใช้หน่วยความจำหลัง quantization ราว 191 MB สำหรับการตั้งค่าอ่านข้อความ และ 567 MB สำหรับโมเดลมัลติโหมดเต็มบน Pixel 11 Pro [3]
AI พรอมต์
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
EmbeddingGemma 2 คือโมเดล embedding แบบมัลติโหมด จาก Google DeepMind ที่แปลงเนื้อหาประเภทต่าง ๆ ให้เป็นชุดตัวเลขหรือเวกเตอร์ เพื่อให้ระบบค้นหาและเปรียบเทียบความหมายได้ จุดเปลี่ยนจาก EmbeddingGemma รุ่นแรกคือไม่ได้จำกัดอยู่แค่ข้อความ แต่รองรับโค้ด ภาพ วิดีโอ และเสียงด้วย
Google เปิดตัวโมเดลนี้เมื่อ 6 ตุลาคม 2026 โดยสร้างบนสถาปัตยกรรม Gemma 4 และเผยแพร่น้ำหนักโมเดลภายใต้ไลเซนส์ Apache 2.0 2
ค้นหาข้ามข้อความ ภาพ เสียง และวิดีโอ
EmbeddingGemma 2 แปลงข้อความ โค้ด ภาพ วิดีโอ และเสียงให้อยู่ในเวกเตอร์ขนาด 768 มิติ ซึ่งเป็นพื้นที่แทนความหมายร่วมกัน ตัวอย่างเช่น แอปอาจใช้ข้อความค้นหาเพื่อหาเนื้อหาที่เกี่ยวข้องในภาพหรือเสียงได้ โดยไม่จำเป็นต้องต่อโมเดล embedding แยกกันหลายตัว 2
18
สำหรับนักพัฒนา โครงสร้างแบบโมดูลาร์ช่วยให้เลือกโหลด encoder เฉพาะส่วนที่ต้องใช้ได้ การตั้งค่ามีตั้งแต่ประมาณ 270 ล้านพารามิเตอร์ สำหรับข้อความและโค้ด ไปจนถึง 740 ล้านพารามิเตอร์ เมื่อใช้ความสามารถมัลติโหมดครบ 2
รุ่นใหม่ต่างจาก EmbeddingGemma เดิมอย่างไร
EmbeddingGemma รุ่นแรกเปิดตัวในเดือนกันยายน 2025 เป็นโมเดลข้อความอย่างเดียว มี 308 ล้านพารามิเตอร์ และพัฒนาจาก Gemma 3 5
6
11 ส่วน EmbeddingGemma 2 ขยายไปสู่สื่อหลายประเภท พร้อมเพิ่มหน้าต่างบริบทที่ระบุไว้ที่ 8,192 โทเคน เทียบกับ 2,000 โทเคนในรุ่นแรก
5
ทั้งสองรุ่นรองรับการลดขนาดเวกเตอร์เพื่อประหยัดพื้นที่จัดเก็บ รุ่นแรกระบุช่วงขนาดเอาต์พุตไว้ที่ 128–768 มิติ 5 ส่วนข้อมูลของรุ่นใหม่ระบุว่าสามารถตัดเวกเตอร์ลงได้ถึง 128 มิติ ซึ่งอาจช่วยลดภาระพื้นที่ในฐานข้อมูลเวกเตอร์ได้
9
ใช้บนอุปกรณ์ได้แค่ไหน และผลทดสอบบอกอะไร
Google รายงานว่าหลัง quantization การตั้งค่าอ่านข้อความใช้หน่วยความจำราว 191 MB และการตั้งค่าเต็มรูปแบบที่รองรับหลายสื่อใช้ราว 567 MB ในการทดสอบบน Google Pixel 11 Pro ตัวเลขนี้เป็นผลจากการตั้งค่าและอุปกรณ์ดังกล่าว ไม่ใช่การรับประกันว่าจะใช้หน่วยความจำเท่ากันบนทุกเครื่อง 3
Google อธิบายว่า EmbeddingGemma 2 มีประสิทธิภาพโดดเด่นเมื่อเทียบกับขนาดของโมเดล 2
3 อย่างไรก็ตาม แหล่งข้อมูลที่มีไม่เพียงพอสำหรับสรุปตัวเลข benchmark ที่เทียบกับรุ่นแรกได้อย่างน่าเชื่อถือ จึงควรแยกคำกล่าวด้านประสิทธิภาพของผู้พัฒนาออกจากผลเปรียบเทียบเชิงตัวเลขที่ตรวจสอบได้
เหมาะกับงานแบบไหน และมีข้อจำกัดอะไร
การค้นหาเชิงความหมายบนอุปกรณ์เป็นหนึ่งในงานที่โมเดลนี้รองรับ เช่น ค้นโน้ต ภาพ เสียงบันทึก หรือช่วงหนึ่งในวิดีโอด้วยคำค้นเดียว รวมถึงใช้เป็นส่วนหนึ่งของระบบ RAG ซึ่งนำข้อมูลที่ค้นพบมาให้โมเดลภาษาใช้ประกอบคำตอบ 2
16
แต่การที่เนื้อหาต่างชนิดถูกแปลงให้อยู่ในพื้นที่เวกเตอร์เดียวกัน ไม่ได้แปลว่าผลค้นหาจะถูกต้อง ปลอดภัย หรือเหมาะสมเสมอไป แอปที่นำไปใช้ยังต้องจัดการข้อมูลอ่อนไหว ตรวจสอบผลที่ค้นผิด และวางมาตรการความปลอดภัยของตัวเอง
ดาวน์โหลดและความพร้อมใช้งาน
ข้อมูลโมเดลและน้ำหนักเผยแพร่ผ่านช่องทางสำหรับนักพัฒนาของ Google และหน้าโมเดลบน Hugging Face ส่วนกำหนดการเผยแพร่เพิ่มเติมหรือการเชื่อมต่อกับบริการอื่นในอนาคต ยังไม่มีข้อมูลเพียงพอที่จะระบุวันหรือแผนที่แน่นอนได้
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "EmbeddingGemma 2 ขยายการค้นหา AI จากข้อความสู่ภาพ เสียง และวิดีโอ" คืออะไร
Google DeepMind เปิดตัว EmbeddingGemma 2 เมื่อ 6 ตุลาคม 2026 เป็นโมเดล embedding แบบเปิดที่ต่อยอดจาก EmbeddingGemma รุ่นข้อความอย่างเดียว [2][20]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Google DeepMind เปิดตัว EmbeddingGemma 2 เมื่อ 6 ตุลาคม 2026 เป็นโมเดล embedding แบบเปิดที่ต่อยอดจาก EmbeddingGemma รุ่นข้อความอย่างเดียว [2][20] โมเดลใหม่สร้างเวกเตอร์ให้ข้อความ โค้ด ภาพ วิดีโอ และเสียงในพื้นที่ 768 มิติเดียวกัน จึงนำเนื้อหาต่างชนิดมาใช้ค้นหาข้ามรูปแบบได้ [2][18]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
มีพารามิเตอร์สูงสุด 740 ล้านตัว ใช้ไลเซนส์ Apache 2.0 และเลือกโหลดส่วนประมวลผลเฉพาะรูปแบบที่ต้องการได้ [2][20]
แหล่งที่มา
developers.googleblog.comdevelopers.googleblog.com · en · embeddinggemma-2-theEmbeddingGemma 2: The Developer Guide- Google Developers Blog