一句话看懂：Google DeepMind 发布 EmbeddingGemma 2，把文本、代码、图像、视频和音频嵌入同一个 768 维向量空间，740M 参数、Apache 2.0 开源，主攻端侧检索与隐私优先的 RAG。
事件核心：发生了什么
EmbeddingGemma 2 基于 Gemma 4 架构，参数量 740M，上下文窗口 8192 token，是上一代的 4 倍，可容纳约 29 张图片、58 帧视频或 5.5 分钟音频。模型采用模块化设计：文本与代码骨干 270M，视觉编码器 170M，音频编码器 300M，开发者可按需组合——纯文本 270M、加视觉 440M、加音频 570M、全量 740M，且所有配置共享同一向量空间，文本查询可匹配图像或视频嵌入。
权重已在 Hugging Face 和 Kaggle 开放，支持 Ollama、llama.cpp GGUF、LiteRT、sentence-transformers、vLLM、MLX 等部署路径。官方数据显示，MTEB Code v1 得分 78.68，比上一代提升 9.92 分（约 14%）；多语言 MTEB v2 为 61.36，基本持平。借助 MRL 技术，向量可从 768 维截断到 512、256 或 128 维，存储最多省 6 倍。
为什么重要
此前开源嵌入模型大多只处理文本或图文，音频、视频检索通常依赖更大的闭源方案。EmbeddingGemma 2 把五种模态压进同一向量空间，且保持亚 1B 参数量，目前公开信息显示这是同量级中少见的覆盖度。它直接对标 Qwen3-VL-Embedding-2B（约 2.7 倍参数、无音频支持）和 LCO-Embedding-Omni-3B，在参数效率上占据位置；而 Gemini Embedding 2 仍是付费 API，开源权重成为差异点。
从技术路线看，模块化编码器加统一向量空间，意味着端侧设备能按算力取舍能力，而不是被迫加载完整模型，这对手机、笔记本等内存受限场景是关键设计。
对用户/开发者/创作者的影响
开发者可以用几行代码完成多模态语义检索：文本查询召回图片、语音笔记召回视频片段，且数据不出本地。官方数据称，Pixel 11 Pro 上纯文本量化权重占用约 191MB 活跃内存，全量约 567MB；MacBook M5 Pro GPU 上每张图片处理 37.3ms。向量降维对精度影响有限——256 维时多语言 MTEB 仅从 61.36 降至 60.41，适合需要压缩存储的本地知识库。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业而言，Apache 2.0 许可降低了合规门槛，隐私优先 RAG 和离线分类是明确落点。Android 方面，ML Kit 与 NPU 加速支持据称将在数周内推出，值得移动端团队留意。
值得关注的后续
一是移动端 NPU 加速能否如期落地，实际推理功耗与延迟数据是否与宣传一致；二是 Qwen 等竞品是否跟进音频模态或下调参数规模；三是 128 维截断在真实业务中的召回质量，官方已提示该配置更适合纯文本场景，多模态高压缩需谨慎验证。
