Google 於 2026 年 10 月 6 日發布 EmbeddingGemma 2，一款開放權重嘅多模態 embedding（向量嵌入）模型，細到可以喺智能手機本地運行。第一版 EmbeddingGemma 喺 2025 年 9 月推出，處理嘅只係文字；今次新版將圖片、音訊同影片納入同一個向量空間，即係同一段文字、一張相、一條影片全部映射入同一套數學座標，可以互相搜尋。
Google DeepMind 研究工程師 Sahil Dua 同 Henrique Schechter Vera 喺發布文説，第一版嘅反應「超出預期」，開發者下載超過 2,000 萬次。
技術規格：大咗一倍多，但核心文字部分冇變
新版基於 Google 今年 4 月推出嘅 Gemma 4 架構，總參數 7.4 億，比第一版大過兩倍。增長主要喺視覺同音訊編碼器，純文字應用可以唔載入呢兩塊。其喺 Google Pixel 11 Pro 上測試量化版本，2.7 億參數嘅文字核心佔用約 191MB 記憶體。
每個 embedding 係 768 個數字組成嘅列表。喺本地向量資料庫（vector database）入面，每一張相、一段影片或文件索引都加多一條。Google 用咗 Matryoshka Representation Learning 訓練技術，令開發者可以將列表縮短至最少 128 個數字，佔用空間最多減少至約六分之一。開發者指南指出喺 256 維時，圖像、影片同語音檢索大約保留 95% 嘅完整品質。
跑分：程式碼最大升幅，多語言幾乎冇變
喺 Massive Text Embedding Benchmark 嘅程式碼部分，EmbeddingGemma 2 得 78.68 分，比第一版高接近 10 分。Google 話呢個結果係針對開發編程 agent（代理）檢索功能嘅開發者。多語言文字得分則幾乎冇變動。
Google 同時聲稱喺 10 億參數以下嘅多模態 embedding 模型入面表現領先，並且喺圖像、影片同音訊任務上超越部分參數多於其兩倍嘅專長模型。呢啲比較都係廠商自評，暫無獨立第三方核實。
授權同部署：Apache 2.0，可商用
模型權重已喺 Hugging Face 同 Google Kaggle 開放下載，授權為 Apache 2.0，許可商業使用。權重已可配合 vLLM、llama.cpp 同 Ollama 等開源推理工具。Google 表示會盡快將模型納入 Gemini Enterprise Agent Platform 嘅 Model Garden。
因為 EmbeddingGemma 2 同 Gemma 4 共用文字 tokenizer 同音訊編碼器，喺裝置端同時運行兩款模型嘅檢索增強生成（retrieval-augmented generation，RAG）設定，所需記憶體比跑兩個無關模型少。Google 嘅 AI Edge Foresight Mac 應用程式已將兩者組合運行；AI Edge Gallery 示範應用程式入面嘅 Video Moments Finder 功能，可以透過打字或語音查詢喺影片入面定位場景。
對香港同海外港人開發者嚟講，呢個模型嘅賣點係「本地處理」——聲音備忘錄可以喺手機入面揾出對應該影片嘅時間點，資料全程唔離裝置。呢個同將資料上雲端再用大模型處理嘅路徑有本質分別，對私隱敏感嘅場景（醫療、法律、個人紀錄）有實際意義。
模姐驗嚇貨
第一版下載破 2,000 萬係廠商自報，唔知道實際 DAU 或者生產環境部署比例。7.4 億參數喺多模態領域係真係細，191MB 嘅記憶體佔用真係可以塞進手機，呢個數字有 Pixel 11 Pro 嘅測試支撐，可信度較高。但「比參數兩倍嘅專長模型勁」呢句，Google 未列出具體對手嘅模型名稱同測試條件，讀者留意。
Apache 2.0 授權同商用許可清楚，vLLM、llama.cpp、Ollama 支援都係實物，呢個唔係話術。真正要留意嘅係：呢個係「開放權重」（open weights），唔代表 Google 會公開全部訓練資料、訓練代碼同資料集，與完整開源係兩回事。
模姐｜深度調教
