Google 10月7號公佈新一代多模態嵌入模型 EmbeddingGemma 2，完整版本7.4億（740M）參數，可以處理文字、程式碼、圖片、影片同音訊，而且直接喺手機、筆電這些裝置本地運行，資料唔使上傳雲端。模型基於 Gemma 4 架構，採用 Apache 2.0 授權，目前已經可以喺 Hugging Face 同 Kaggle 取得。
乜係嵌入模型，點做語意搜尋
嵌入（Embedding）模型嘅作用，係將文字、圖片或聲音轉換成一組可比較的數值；內容意思越接近，轉換後數值越相似，因此可以用嚟做語意搜尋。例如輸入「狗在草地追球」，就算影片冇包含相同文字，系統都可以憑內容找出接近嘅畫面。
第一代 EmbeddingGemma 主要處理文字，新一代納入圖片、影片同音訊。模型採用分開載入設計：只處理文字同程式碼時，可以只用270M參數嘅文字模型，唔使同時載入圖片同音訊功能。Google 喺 Pixel 11 Pro 測試量化版本時，只載入文字模型約佔191MB活動記憶體，完整多模態版本約567MB。
能力同限制
單次可處理內容由第一代2K提升至8K詞元（token，語言模型處理文字嘅基本單位）。只處理單一類型時，上限大約為5.5分鐘音訊、29張圖片或58個影片畫面；混合輸入則共同使用同一個8K額度。輸出嵌入向量預設768維，可縮短至512、256或128維以減少本機資料庫儲存空間。Google 表示縮至256維大致可保留搜尋品質，128維較適合純文字索引。
程式碼搜尋能力提升，Google 測試顯示 MTEB Code 程式碼嵌入測試成績由第一代68.76分升至78.68分。多語文字能力大致維持第一代水準。需注意，以上跑分均為 Google 自報，非獨立第三方測試。
部署方面，Google 提供 MediaPipe 同 LiteRT 等工具供開發者部署到行動裝置，並支援喺瀏覽器同個人電腦執行。
模姐驗嚇貨
小參數模型做到真正本地化多模態語意搜尋，係呢單重點。740M 參數、手機上567MB記憶體，呢個係實實在在嘅裝置端部署，唔使上雲、唔使等API。但「大係大喇，邊度勁？」呢個問題，我哋仍未做獨立測試，MTEB Code 跑分亦係廠商自報。開放權重、Apache 2.0、可商用，呢啲係硬條件；剩低嘅就係你嘅裝置撐唔撐得住、你嘞實際需求係咪需要呢種本地搜尋。
模型版本、可用地區、授權同部署狀態以 Google 官方公告為準，使用前請核對最新版本。
