Google випустила EmbeddingGemma 2 — модель із 740 мільйонами параметрів, яка перетворює текст, зображення, відео, аудіо та код на вектори. Вона перевершує конкурентів удвічі більшого розміру та працює локально через WebGPU.

Google випустила EmbeddingGemma 2

Google випустила EmbeddingGemma 2, відкриту модель, яка перетворює текст, зображення, відео, аудіо та код на числові вектори, щоб пошук і порівняння схожого вмісту стали простими. Із 740 мільйонами параметрів, за словами Google, це найкомпактніша модель свого типу, яка на бенчмарках мультимодальних ембеддингів перевершує конкурентні моделі удвічі більшого розміру.

Ріст бенчмарку та локальна продуктивність

EmbeddingGemma 2 набирає 78,68 бала в Massive Text Embedding Benchmark (Code), що майже на 10 балів більше за попередника; попередник мав 68,76 бала. За словами Google, це наближає її до значно більших моделей. Модель працює локально, без ключа API, а в браузері за допомогою WebGPU обробляє один запит приблизно за 20–70 мілісекунд. Їй потрібно лише близько 191 MB RAM, і вона зменшує пам’ять локальної векторної бази даних до шести разів.

Офлайн RAG і доступність

Для лише текстових завдань, за словами Google, достатньо версії з 270 мільйонами параметрів. Разом із малими відкритими моделями на кшталт Gemma 4, EmbeddingGemma 2 може запускати офлайн-застосунки RAG без надсилання даних на зовнішні сервери. Ваги моделі доступні на Hugging Face та Kaggle разом із посібником для розробників і документацією.

Джерела: The Decoder

Google випустила EmbeddingGemma 2, компактну мультимодальну модель ембеддингів