答案已发布18 来源
EmbeddingGemma 2：把文字、图片、音频和视频放进同一个搜索空间
EmbeddingGemma 2 于 2026 年 10 月 6 日发布，是原版纯文本 EmbeddingGemma 的多模态后继模型，基于 Gemma 4 架构，采用 Apache 2.0 许可。[1][2] 它可处理文本、代码、图像、视频和音频，并将内容映射到同一个 768 维向量空间；开发者可按需加载模块，配置规模从 2.7 亿到 7.4 亿参数不等。[1][5] 新模型的上下文长度为 8,000 token，约为原版 2,000 token 的四倍；量化后的端侧内存用量约为纯文本配置 191 MB、完整多模态配置 567 MB，具体取决于配置和设备。[2][3][4][6]
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案
要点
- EmbeddingGemma 2 于 2026 年 10 月 6 日发布，是原版纯文本 EmbeddingGemma 的多模态后继模型，基于 Gemma 4 架构，采用 Apache 2.0 许可。[1][2]
- 它可处理文本、代码、图像、视频和音频，并将内容映射到同一个 768 维向量空间；开发者可按需加载模块，配置规模从 2.7 亿到 7.4 亿参数不等。[1][5]
- 新模型的上下文长度为 8,000 token，约为原版 2,000 token 的四倍；量化后的端侧内存用量约为纯文本配置 191 MB、完整多模态配置 567 MB，具体取决于配置和设备。[2][3][4][6]
- Google 称其在同等规模模型中表现出色，但现有材料不足以给出与原版可直接比较的可靠基准分数；向量检索也不能代替对内容准确性、安全性或适当性的判断。[2][6][7]
AI 提示
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 于 2026 年 10 月 6 日发布 EmbeddingGemma 2。它是纯文本模型 EmbeddingGemma 的多模态后继版本，基于 Gemma 4 架构，采用开放权重形式发布。它的核心变化是：让文字、代码、图像、视频和音频能够进入同一个向量空间，便于应用跨内容类型进行搜索，也可在设备本地运行，而不必一概依赖云端服务。1
2
与原版相比，有哪些变化？
- 许可与规模： EmbeddingGemma 2 有 7.4 亿参数，采用 Apache 2.0 许可。原版 EmbeddingGemma 于 2025 年 9 月发布，拥有 3.08 亿参数，基于 Gemma 3。
1
3
- 支持的内容更多： 原版主要面向文本；新模型则支持文本、代码、图像、视频和音频，也能处理多种内容组合。模块化编码器可以按需加载，配置规模从文本与代码所需的 2.7 亿参数到完整多模态配置的 7.4 亿参数。
- 共享向量空间： 不同类型的内容会被映射到同一个 768 维向量空间。因此，应用可以用文字查询寻找相关图片或音频内容，而不必串接多套彼此独立的嵌入模型。
- 上下文与向量长度： 新模型的上下文长度为 8,000 token，约为原版 2,000 token 的四倍。模型也支持缩短输出向量，而不是必须使用完整的 768 维；原版明确支持 128 至 768 维。
端侧运行与实际用途
Google 给出的量化端侧内存用量约为：纯文本配置 191 MB，完整多模态配置 567 MB。这些是特定配置下的参考数据，并不代表所有设备都能达到相同表现。2
3
7
这样的设计适合在本地搜索笔记、照片、录音和视频，也可用于检索增强生成（RAG）等多模态检索场景。相较于把不同内容先交给不同模型处理，共享向量空间有望让检索流程更直接；模块化加载则允许开发者只启用实际需要的内容类型。2
8
基准成绩与使用边界
Google 将 EmbeddingGemma 2 描述为同等规模中表现领先的模型。不过，现有材料不足以支持与原版进行可靠、可直接比较的数值基准分析，因此不宜仅凭“领先”这一表述推断它在所有任务上都更好。2
6
7
还要注意，向量相似度表达的是内容之间的语义接近程度，并不能证明检索结果准确、安全或适合使用。应用仍需自行处理敏感内容、错误匹配以及结果审核等问题。2
8
目前如何获取？
目前，Google 的开发者资料和 Hugging Face 模型页面均列有 EmbeddingGemma 2 的相关信息。至于其他计划中的分发渠道或集成何时推出，现有资料不足以确认具体时间。1
5
8
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“EmbeddingGemma 2：把文字、图片、音频和视频放进同一个搜索空间”的简短答案是什么？
EmbeddingGemma 2 于 2026 年 10 月 6 日发布，是原版纯文本 EmbeddingGemma 的多模态后继模型，基于 Gemma 4 架构，采用 Apache 2.0 许可。[1][2]
首先要验证的关键点是什么？
EmbeddingGemma 2 于 2026 年 10 月 6 日发布，是原版纯文本 EmbeddingGemma 的多模态后继模型，基于 Gemma 4 架构，采用 Apache 2.0 许可。[1][2] 它可处理文本、代码、图像、视频和音频，并将内容映射到同一个 768 维向量空间；开发者可按需加载模块，配置规模从 2.7 亿到 7.4 亿参数不等。[1][5]
接下来在实践中我应该做什么？
新模型的上下文长度为 8,000 token，约为原版 2,000 token 的四倍；量化后的端侧内存用量约为纯文本配置 191 MB、完整多模态配置 567 MB，具体取决于配置和设备。[2][3][4][6]
来源