Google DeepMind 推出 EmbeddingGemma 2，740M 多模態嵌入模型主打裝置端推論

Google DeepMind 於 2026 年 10 月 6 日宣布推出 EmbeddingGemma 2，將文字、圖片、音訊與影片的組合映射至同一嵌入空間。模型以 Gemma 4 架構為基礎，總計 7.4 億參數，並採用該公告所稱具商業寬鬆性的 Apache 2.0 授權。Google 表示，模型針對裝置端推論最佳化。

EmbeddingGemma 2 也針對不同工作負載提供不同規模的組件：純文字工作可使用低至 2.7 億參數的配置，視覺與音訊編碼器則分別列為 1.7 億及 3 億參數。公告舉例，模型可用語音備忘錄尋找影片片段，或以文字查詢搜尋音訊錄音，讓跨媒體檢索不必將各類輸入分開處理。

Google 另指出，模型使用 Matryoshka Representation Learning，讓輸出向量可由 768 維截短至 512、256 或 128 維，並稱此法可使本機向量資料庫的儲存與記憶體用量最多降低六倍。作為背景，Google 表示前一年的 EmbeddingGemma 是輕量文字嵌入模型，下載量已超過 2,000 萬次；新版本則把產品範圍擴展至多模態嵌入。