Google-მა გამოუშვა EmbeddingGemma 2, კომპაქტური მულტიმოდალური ემბედინგ მოდელი

Google-მა გამოუშვა EmbeddingGemma 2

Google-მა გამოუშვა EmbeddingGemma 2, ღია მოდელი, რომელიც ტექსტს, სურათებს, ვიდეოს, აუდიოსა და კოდს რიცხვობრივ ვექტორებად გარდაქმნის, რათა მსგავსი შინაარსის მოძებნა და შედარება უფრო მარტივი იყოს. 740 მილიონი პარამეტრით, Google-ის თქმით, ეს თავის ტიპში ყველაზე კომპაქტური მოდელია და მულტიმოდალური ემბედინგის ბენჩმარკებზე ორჯერ დიდ კონკურენტ მოდელებს აღემატება.

ბენჩმარკის მატება და ლოკალური წარმადობა

EmbeddingGemma 2 Massive Text Embedding Benchmark (Code)-ზე 78,68 ქულას აგროვებს, რაც წინამორბედზე თითქმის 10 ქულით მეტია; წინამორბედს 68,76 ქულა ჰქონდა. Google-ის თქმით, ეს მას გაცილებით დიდ მოდელებთან ათანაბრებს. მოდელი ლოკალურად, API-ის გასაღების გარეშე მუშაობს და ბრაუზერში WebGPU-ის მეშვეობით თითო მოთხოვნას დაახლოებით 20-დან 70 მილიწამამდე სჭირდება. მას მხოლოდ დაახლოებით 191 MB RAM-ს სჭირდება და ლოკალური ვექტორული მონაცემთა ბაზის მეხსიერებას ექვსჯერამდე ამცირებს.

ოფლაინ RAG და ხელმისაწვდომობა

მხოლოდ ტექსტური ამოცანებისთვის, Google-ის თქმით, 270 მილიონი პარამეტრის ვერსიაც საკმარისია. Gemma 4-ის მსგავს მცირე ღია მოდელებთან ერთად, EmbeddingGemma 2-ს შეუძლია ოფლაინ RAG აპლიკაციების გაშვება მონაცემების გარე სერვერებზე გაგზავნის გარეშე. მოდელის წონები ხელმისაწვდომია Hugging Face-სა და Kaggle-ზე, დეველოპერის გზამკვლევთან და დოკუმენტაციასთან ერთად.

წყაროები: The Decoder