Google, 740 milyon parametreli EmbeddingGemma 2 modelini yayımladı; model metin, görsel, video, ses ve kodu vektörlere dönüştürüyor. Google'e göre, iki kat büyük rakip gömme modellerini geçer ve WebGPU ile yerel çalışır.

Google, EmbeddingGemma 2'yi yayımladı

Google, metni, görselleri, videoyu, sesi ve kodu sayısal vektörlere dönüştürerek benzer içerikleri bulmayı ve karşılaştırmayı daha kolay hale getiren açık model EmbeddingGemma 2'yi yayımladı. Google'e göre 740 milyon parametreyle bu model, türünün en kompakt modelidir ve çok modlu gömme kıyaslamalarında iki kat büyük rakip modelleri geride bırakıyor.

Kıyaslamada artış ve yerel performans

EmbeddingGemma 2, Massive Text Embedding Benchmark (Code) üzerinde 78,68 puan alıyor; bu, önceki modele göre neredeyse 10 puan daha fazla. Önceki modelin 68,76 puanı vardı. Google'e göre bu durum onu çok daha büyük modellerle eşit düzeye getiriyor. Model, API anahtarı olmadan yerel olarak çalışıyor ve tarayıcıda WebGPU aracılığıyla tek bir istek için yaklaşık 20 ila 70 milisaniye gerektiriyor. Model yalnızca yaklaşık 191 MB RAM gerektiriyor ve yerel vektör veritabanı bellek kullanımını en fazla altı kat azaltıyor.

Çevrimdışı RAG ve erişilebilirlik

Yalnızca metin görevleri için Google'e göre 270 milyon parametreli bir sürüm de yeterlidir. Gemma 4 gibi küçük açık modellerle birlikte EmbeddingGemma 2, verilerin harici sunuculara gönderilmesine gerek kalmadan çevrimdışı RAG uygulamalarını çalıştırabilir. Model ağırlıkları, geliştirici kılavuzu ve belgelerle birlikte Hugging Face ve Kaggle'de erişilebilir durumda.

Kaynaklar: The Decoder

Google, EmbeddingGemma 2'yi yayımladı: kompakt çok modlu gömme modeli