AnswersPublished19 sources
EmbeddingGemma 2, farklı içerik türlerini tek bir arama alanında birleştiriyor
Google DeepMind, EmbeddingGemma 2’yi 6 Ekim 2026’da duyurdu. Gemma 4 tabanlı model, metin ve kodun yanı sıra görsel, video ve sesi de ortak bir vektör alanına yerleştiriyor.
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Google DeepMind, EmbeddingGemma 2’yi 6 Ekim 2026’da duyurdu. Gemma 4 tabanlı model, metin ve kodun yanı sıra görsel, video ve sesi de ortak bir vektör alanına yerleştiriyor.
- Apache 2.0 lisanslı modelin en kapsamlı sürümü 740 milyon parametreye sahip. İhtiyaca göre yalnızca belirli kiplerin kodlayıcıları yüklenebiliyor; yapılandırmalar 270 milyondan 740 milyona kadar çıkıyor.
- Model için 8.000 tokenlık bağlam penceresi ve belirli yapılandırmalarda yaklaşık 191 MB ile 567 MB arasında cihaz belleği kullanımı bildiriliyor.
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, EmbeddingGemma 2’yi 6 Ekim 2026’da piyasaya çıkardı. İlk EmbeddingGemma yalnızca metin üzerinde çalışırken yeni sürüm; metin, kod, görsel, video ve sesi aynı arama alanında buluşturuyor. Gemma 4 mimarisi üzerine kurulan model, bulut hizmetine ihtiyaç duymadan cihaz üzerinde kullanılabilecek şekilde tasarlandı. 1
2
Buradaki temel fikir, farklı türdeki içerikleri sayısal vektörlere dönüştürmek. Böylece bir uygulama, örneğin yazıyla yapılan bir sorguyu görsellerde veya ses kayıtlarında arayabiliyor. Ortak vektör alanı, farklı kiplerden gelen temsillerin anlamsal benzerlik açısından karşılaştırılmasını sağlıyor; ancak tek başına sonuçların doğru ya da güvenli olduğunu garanti etmiyor.
İlk EmbeddingGemma’dan farkı ne?
- Daha fazla içerik türü: İlk model yalnızca metin gömmeleri üretiyordu. EmbeddingGemma 2 ise metin ve kodun yanı sıra görsel, video ve sesi, bunların karışımlarını da işleyebiliyor.
1
5
- Daha büyük, modüler yapı: Tam sürüm 740 milyon parametre içeriyor ve Apache 2.0 lisansıyla yayımlanıyor. Geliştiriciler yalnızca ihtiyaç duydukları kodlayıcıları yükleyebiliyor; metin ve kod için sunulan yapılandırma 270 milyon parametreden başlayıp tüm kipleri kapsayan 740 milyon parametreye kadar çıkıyor.
- Daha uzun bağlam: Yeni modelin bağlam penceresi 8.000 token olarak bildiriliyor. Bu, ilk modelin 2.000 tokenlık penceresinin yaklaşık dört katı.
- Ayarlanabilir vektör boyutu: Her kullanımda 768 boyutun tamamını saklamak gerekmiyor. İlk EmbeddingGemma için 128–768 aralığında çıktı boyutları belirtilmişti; yeni modelde de vektörleri 128 boyuta kadar kısaltma seçeneği bulunuyor. Daha küçük vektörler depolama ihtiyacını azaltabilir, ancak performansın her görevde aynı kalacağı anlamına gelmez.
Telefonda çalıştırılabilir mi?
Google’ın bildirdiği nicemlenmiş bellek kullanımına göre, yalnızca metin kullanan yapılandırma yaklaşık 191 MB, tüm çok kipli kodlayıcıları içeren yapılandırma ise yaklaşık 567 MB etkin bellek kullanıyor. Bu ölçümler belirli yapılandırmalara ve test koşullarına ait; her telefon ya da uygulamada aynı sonuç alınacağı anlamına gelmiyor. 2
3
Cihaz üzerinde çalışabilmesi; notlar, fotoğraflar, ses kayıtları ve videolar arasında yerel arama gibi uygulamaların önünü açabilir. Model ayrıca RAG olarak bilinen, bir yapay zekâ yanıtı üretmeden önce ilgili içerikleri bulup kullanma yaklaşımında da değerlendirilebilir. 2
8
Başarı ölçümleri ve güvenlik sınırları
Google, EmbeddingGemma 2’yi boyutuna göre sınıfının en iyisi olarak tanımlıyor. Ancak burada incelenen kaynaklar, yeni modelle ilk sürüm arasında güvenilir bir sayısal benchmark karşılaştırması yapmak için yeterli veri sunmuyor. Bu nedenle belirli bir puan artışı ya da genel üstünlük oranı vermek mümkün değil. 2
6
7
Ortak vektör alanı aramayı kolaylaştırır; bulunan içeriğin güvenilir, doğru veya uygun olup olmadığını kendi başına değerlendirmez. Hassas verilerle çalışan uygulamaların gizlilik ve erişim kontrollerini, yanlış eşleşmelerin yaratabileceği sorunlara karşı da kendi önlemlerini tasarlaması gerekir.
Nereden edinilebilir?
Model ağırlıkları Google’ın geliştirici kaynaklarında ve Hugging Face model sayfasında listeleniyor. İncelenen kaynaklarda ek dağıtım kanalları veya planlanan entegrasyonlar için kesin bir takvim bulunmuyor. 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, farklı içerik türlerini tek bir arama alanında birleştiriyor"?
Google DeepMind, EmbeddingGemma 2’yi 6 Ekim 2026’da duyurdu. Gemma 4 tabanlı model, metin ve kodun yanı sıra görsel, video ve sesi de ortak bir vektör alanına yerleştiriyor.
What are the key points to validate first?
Google DeepMind, EmbeddingGemma 2’yi 6 Ekim 2026’da duyurdu. Gemma 4 tabanlı model, metin ve kodun yanı sıra görsel, video ve sesi de ortak bir vektör alanına yerleştiriyor. Apache 2.0 lisanslı modelin en kapsamlı sürümü 740 milyon parametreye sahip. İhtiyaca göre yalnızca belirli kiplerin kodlayıcıları yüklenebiliyor; yapılandırmalar 270 milyondan 740 milyona kadar çıkıyor.
What should I do next in practice?
Model için 8.000 tokenlık bağlam penceresi ve belirli yapılandırmalarda yaklaşık 191 MB ile 567 MB arasında cihaz belleği kullanımı bildiriliyor.
Sources