谷歌正式推出 EmbeddingGemma 2，将嵌入能力从文本扩展到代码、图像、视频和音频，并统一映射到同一嵌入空间。该模型基于 Gemma 4 架构，采用 Apache 2.0 许可，总参数 7.4 亿，纯文本任务仅需 2.7 亿参数，可叠加 1.7 亿参数视觉编码器和 3 亿参数音频编码器。
推荐理由：EmbeddingGemma 2 把嵌入能力从文本扩展到代码、图像、视频和音频，并给出端侧量化内存占用，便于判断本地多模态检索的可行性。
Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，原生将文本、图像、音频和视频映射到统一嵌入空间，基于 Gemma 4 架构、Apache 2.0 许可，参数量 740M。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于评估本地多模态检索的可行性。
Google 发布开源模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，参数量 7.4 亿，Google 称其是同类型中最紧凑的模型，在多模态嵌入基准上超越规模达其两倍的竞品。
推荐理由：读者可据此了解一款 740M 参数多模态嵌入模型在本地运行、离线 RAG 场景下的能力与资源占用。