一句话看懂：Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2，把文本、代码、图像、音频、视频映射进同一个向量空间，7.4 亿参数可在手机本地推理。它意味着跨模态搜索和 RAG 不必再把数据传到云端。
事件核心：发生了什么
10 月 6 日，Google DeepMind 推出 EmbeddingGemma 2，基于 Gemma 4 架构，采用 Apache 2.0 商业友好许可。相比去年仅支持文本、下载量超过 2000 万次的初代，这次扩展到代码、图像、视频和音频。模型总参数 7.4 亿，采用模块化设计：纯文本任务最低只需 2.7 亿参数，视觉编码器 1.7 亿，音频编码器 3 亿。
它借助 Matryoshka 表示学习，输出向量可从 768 维动态截断到 512、256 或 128 维，本地向量数据库存储最高减少 6 倍。在 Google Pixel 11 Pro 上量化后，纯文本权重占用约 191MB 内存，全模态约 567MB。上下文窗口为 8K token，是初代的 4 倍，可一次处理约 5.5 分钟音频、29 张图片或 58 帧视频。
为什么重要
嵌入模型是搜索、推荐和 RAG 的底层组件，长期由闭源 API 主导。EmbeddingGemma 2 把这一能力开源并压到端侧，等于把多模态检索的基础设施免费交到开发者手里。在 MTEB Code 基准上，其代码能力从 68.76 提升到 78.68，提升 9.92 分；在 MAEB 音频基准和文本、视觉任务中，官方称其表现匹配甚至超过部分参数量两倍以上的专用模型。这直接冲击云端嵌入 API 的定价逻辑，也让隐私敏感场景不必再依赖上传数据。
对用户/开发者/创作者的影响
开发者可用 LiteRT 在本地搭建多模态 RAG，与 Gemma 4 共享文本分词器和音频编码器，联合部署时总内存开销更低。MediaPipe Decision Task API 支持实时分类、路由和预测，适合做离线优先的智能应用。创作者可在手机端用文字或图片检索素材库、用语音备忘录定位具体视频片段，数据不出设备。对企业而言，本地代码库索引、语义代码搜索和编程智能体检索的合规成本会明显下降，尤其适合不能外传源码的团队。
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。
值得关注的后续
第一，模型在真实设备上的推理延迟和耗电表现，官方给出的是内存占用而非速度数据，需看第三方实测。第二，Apache 2.0 许可下的实际采用率，以及是否有厂商基于它做端侧产品。第三，云端嵌入 API 是否会跟进降价，或转向更高维度的差异化竞争。目前公开信息显示，模型权重已开放下载，配套示例集中在 Google AI Edge 系列应用中。
