Google 10 月 6 號放咗個新嘅開放模型 EmbeddingGemma 2。佢專門將文字、圖片、影片、語音同程式碼轉成一串串數字（向量，即 embedding），方便搜尋同比較相似內容。Google 話佢有 7.4 億參數，係同類入面最細粒嘅一個。

最勁（最吹）嘅係佢話自己打得贏高達兩倍大嘅對手，喺多模態 embedding 基準測試上面。

等等，呢個 claim 點嚟？冇列邊個測試集、邊個對手版本、邊日測，都冇獨立第三仲跟。呢啲係廠商聲稱，唔係獨立驗證。

技術面講：呢個模型可以喺瀏覽器入面本地跑，唔使 API key，每次查詢大約 20 到 70 毫秒，用 WebGPU。只需要大概 191MB 記憶體，話本地向量庫儲存可以減到六分之一。想淨係做文字任務？2.7 億參數嘅細版就夠。

配合小模型（例如 Gemma 4），可以離線跑 RAG（檢索增強生成，即先搜再答）應用，唔使將資料俾外部伺服器。呢個對私隱真係實際意義——唔使將自己嘅文件上傳去云端。

權重已經喺 Hugging Face 同 Kaggle，有開發者指南同文件。

模姐驗嚇貨：

  • 7.4 億參數就打得贏兩倍大？邊個兩倍大？點樣比？呢個 claim 有冇獨立測試？未見。
  • 「最細粒」— 真係冇其他小模型咁做？
  • 191MB RAM 係量化後未？邊個格式？
  • WebGPU 喺唔同瀏覽器／系統嘅表現點樣？iOS Safari 有冇得跑？
  • 離線 RAG 嘅實際準確點點樣？冇上傳，但檢索錯咗嘅後果？

呢啲係廠商話嘅，仲要等第三方評測先至有答案。

模姐｜深度調教