Google EmbeddingGemma 2-ni buraxdı: kompakt multimodal embedding modeli

Google EmbeddingGemma 2-ni buraxdı

Google EmbeddingGemma 2-ni buraxdı; bu açıq model mətn, şəkil, video, audio və kodu ədədi vektorlara çevirir ki, oxşar məzmunu tapmaq və müqayisə etmək daha asan olsun. 740 milyon parametrlə, Google-ın sözünə görə, bu öz növünə görə ən kompakt modeldir və multimodal embedding benchmarklarında iki dəfə böyük rəqib modellərini üstələyir.

Benchmark artımı və lokal performans

EmbeddingGemma 2 Massive Text Embedding Benchmark (Code)-də 78,68 bal toplayır; bu, əvvəlki modeldən təxminən 10 bal çoxdur, əvvəlki model 68,76 bal toplayırdı. Google-ın sözünə görə, bu onu əhəmiyyətli dərəcədə böyük modellərə bərabər edir. Model API açarı olmadan lokal işləyir və brauzerdə WebGPU vasitəsilə hər sorğu təxminən 20-dən 70 millisekundə qədər çəkir. Ona yalnız təxminən 191 MB RAM lazımdır və lokal vektor verilənlər bazasının yaddaşını altı dəfə qədər azaldır.

Offline RAG və əlçatanlıq

Yalnız mətn tapşırıqları üçün, Google-ın sözünə görə, 270 milyon parametrlə versiya kifayətdir. Gemma 4-ə oxşar kiçik açıq modellərlə birlikdə EmbeddingGemma 2 məlumatları xarici serverlərə göndərmədən offline RAG tətbiqlərini işə salmağa imkan verir. Modelin çəkiləri Hugging Face və Kaggle-də, developer üçün təlimat və sənədlərlə birlikdə əlçatandır.

Mənbələr: The Decoder