Google 称 EmbeddingGemma 2 性能超过参数量两倍的竞品嵌入模型

Google 发布了 EmbeddingGemma 2，这是一个约 7.4 亿参数的开源嵌入模型，可将文本、图像、视频、音频和代码转换为向量。据 Google 说法，该模型可在设备端运行，仅需约 191 MB 内存，性能超过部分参数量为其两倍的竞品模型。与 Gemma 4 等小型开源模型搭配后，可支持离线 RAG 应用，无需将数据发送到外部服务器。

此前高性能嵌入模型通常依赖更大参数量或云端算力，而该模型以较小体积实现设备端运行，并把多模态输入统一到嵌入层。这意味着离线 RAG 和本地数据处理在资源受限设备上变得更可行，减少对云端服务的依赖。

嵌入模型负责把文本、图像、视频、音频和代码压缩为向量，供检索与相似度计算使用。参数量更小且内存占用低，使其能部署在手机或边缘设备；与小型生成模型组合后，检索与生成可全部在本地完成，从而绕过外部服务器。

产品团队可在端侧构建离线 RAG、私有知识库和本地多模态检索功能，降低云推理成本与数据传输风险。研发需评估 191 MB 内存占用对目标设备的影响，并验证多模态嵌入在自有数据上的实际效果。

• 在移动端或边缘设备上实现离线 RAG 应用，主打数据不出本地。
• 为隐私敏感行业提供本地多模态检索方案，如医疗、法律和金融文档。
• 将 EmbeddingGemma 2 与 Gemma 4 组合，打包成轻量本地知识助手。
• 基于多模态嵌入开发以图搜图、以文搜视频等跨模态检索功能。

• Google 所称“超过参数量两倍的竞品模型”具体是哪些模型、在哪些基准上验证？
• 多模态嵌入在真实业务数据上的检索准确率与延迟表现如何？
• 191 MB 内存占用是否包含运行时开销，在低端设备上是否稳定？
• 开源许可是否允许商业使用和再分发？