Google выпустила EmbeddingGemma 2 — открытую модель эмбеддингов для текста, фото, аудио и видео

Google выпустила EmbeddingGemma 2 — открытую модель эмбеддингов, которая умеет превращать текст, изображения, аудио и видео в единое векторное представление и работает прямо на устройстве, без обращения к серверам. Модель построена на архитектуре Gemma 4 и распространяется по лицензии Apache 2.0 — то есть бесплатно, включая коммерческое использование.

По данным официального блога Google, полная версия модели весит 740 млн параметров, а для задач с одним текстом есть облегчённый вариант на 270 млн. Окно контекста выросло до 8K токенов — в 4 раза больше, чем у первой EmbeddingGemma. На бенчмарке MTEB по коду оценка подскочила с 68,76 до 78,68 балла — заметный скачок для модели такого размера.

Что это значит на практике

EmbeddingGemma 2 — не чат-бот, а инфраструктурный инструмент: такие модели превращают документы, картинки и голос в векторы для поиска, рекомендаций и RAG-систем (поиск по смыслу, а не по ключевым словам). Для разработчиков в России это одна из немногих по-настоящему удобных новостей последних недель: веса лежат в открытом доступе на Hugging Face и Kaggle, скачиваются и запускаются локально — без API-ключа западного провайдера, без привязки банковской карты и без риска, что доступ закроют или подорожает. На Google Pixel 11 Pro текстовая версия модели занимает около 191 МБ оперативной памяти, мультимодальная — около 567 МБ, то есть она по силам не только серверу, но и смартфону или ноутбуку.

Это младший открытый родственник флагманских моделей Google — тех же, на которых построен Gemini. В отличие от него EmbeddingGemma не ведёт диалог, а решает узкую задачу — зато делает это бесплатно и офлайн, что для многих российских разработчиков сейчас важнее.