EmbeddingGemma 2 发布：7.4 亿参数的端侧多模态嵌入模型，文本、图像、音频、视频共用一个向量空间

Google DeepMind 于 2026 年 10 月 6 日在官方博客发布 EmbeddingGemma 2，把上一代的纯文本嵌入扩展到代码、图像、视频与音频，统一映射到同一个嵌入空间。模型基于 Gemma 4 架构、7.4 亿参数、Apache 2.0 许可，面向手机与浏览器等端侧场景，官方称其支持可裁剪的模块化编码器与 Matryoshka 向量降维。

这次发布的是什么

Google DeepMind 于 2026 年 10 月 6 日在 Google 官方博客发布 EmbeddingGemma 2 —— 一个把文本、代码、图像、视频与音频统一映射到同一个嵌入空间的轻量级模型。上一代 EmbeddingGemma 发布于 2025 年，只做文本嵌入；这一代基于 Gemma 4 架构，参数量为 7.4 亿，采用 Apache 2.0 许可，官方给出的定位是面向端侧推理。官方博客由 Google DeepMind 的研究工程师 Sahil Dua 与 Henrique Schechter Vera 署名，文中称其在同尺寸区间的多模态嵌入模型中表现领先。对做本地检索、跨模态搜索与端侧 RAG 的开发者来说，这是把「多模态检索」从云端搬到设备上的一次基础设施更新。

可用性与限制

• 许可：Apache 2.0，官方表述为商业友好；具体使用条款以官方模型卡与许可文件为准。
• 获取渠道：官方称权重已在 Hugging Face 与 Kaggle 提供，Gemini Enterprise Agent Platform 的 Model Garden 支持标注为「coming soon」，实际开放时间以官方页面为准。
• 硬件前提：官方给的内存占用参考来自 Google Pixel 11 Pro 上的量化运行，其他设备的实际占用以实测为准。
• 能力边界：它是嵌入模型，不生成内容；要与生成模型配合（官方示例为搭配 Gemma 4 做端侧 RAG）。
• 中国内地访问：Hugging Face 与 Kaggle 的网络可达性因环境而异，请以你的网络条件与官方渠道说明为准。

主要功能

• 把文本、代码、图像、视频、音频统一映射到同一个嵌入空间，支持跨模态检索。
• 模块化组合：纯文本场景可只用文本编码器，按需叠加视觉与音频编码器。
• 用 Matryoshka 表征学习把输出向量从 768 维裁剪到 512 / 256 / 128 维，降低向量库存储。
• 提供 8K token 上下文，官方称可处理数分钟音频、数十张图像或数十帧视频。
• 与 Gemma 4 共用文本分词器与音频编码器，便于两个模型在同一条流水线里共存。
• 官方列出的调用方式覆盖 MediaPipe、LiteRT、transformers.js、以及 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama、LMStudio 等。

技术原理

据官方说明，EmbeddingGemma 2 建在 Gemma 4 之上，与 Gemini Embedding 系列同源，因此天然支持多模态输入：不同模态经各自的编码器进入同一个向量空间，使「用一句话找一段视频片段」这类跨模态查询变成一次向量近邻检索。模型被拆成了可组合的模块——纯文本任务只需要文本编码器，需要视觉或音频时再加载对应编码器，这样在只做文本检索的设备上就不必为多模态付出全部内存。向量降维依托 Matryoshka 表征学习：训练时让向量的前若干维就具备完整语义，推理时便可按需截断到 512、256 或 128 维，官方称这为本地向量库带来可观的存储节省。此外，官方提到在代码检索类评测上相较上一代有明显提升，具体分数以官方模型卡为准，本文不转述未核实的数字。

实际体验

可复现的验证步骤：先从 Hugging Face 的官方仓库（或 LiteRT Community 提供的端侧优化版本）按官方说明拉取权重；用官方给出的示例跑一组纯文本检索，记录内存占用与延迟，再叠加视觉编码器重复一次，观察增量开销；随后把输出维度分别设为 768 与 128，对比向量库体积变化与召回质量的变化，决定你的场景能接受哪一档裁剪。端侧部署建议优先走 MediaPipe 或 LiteRT 的现成任务接口，浏览器场景可试 transformers.js 与 WebGPU。

项目地址与获取方式

官方公告与模型卡入口：https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/ 。权重按官方说明在 Hugging Face 与 Kaggle 获取，端侧优化版在 LiteRT Community。请通过官方渠道获取，避免安装被篡改的版本。

适合谁用

• 做端侧检索、本地知识库与隐私优先 RAG 的开发者，尤其是不希望数据出设备的场景。
• 需要跨模态搜索的产品团队：用文字找视频片段、用语音备忘录找图片这类需求。
• 在手机或浏览器上做语义路由、分类与实时决策的边缘计算场景。
• 什么人不必用：只在云端调用现成检索 API、且不涉及端侧或隐私约束的团队，短期收益有限。

常见问题

EmbeddingGemma 2 和上一代是什么关系？

是 EmbeddingGemma 的升级版：上一代只做文本嵌入，这一代基于 Gemma 4 架构扩展到代码、图像、视频与音频，并加入了模块化编码器与可裁剪的向量维度。官方定位是端侧多模态嵌入。

它的许可能不能商用？

官方博客写明采用 Apache 2.0 许可，并称之为商业友好。具体到你的使用场景，仍以官方模型卡与许可文件的条款为准，本文不替代法务判断。

普通开发者上手需要多少成本？

官方给出了端侧的内存占用参考（纯文本与全模态两档，基于 Pixel 11 Pro 的量化运行），实际开销取决于设备与所选模块。建议先用纯文本路径跑通，再按需叠加视觉与音频编码器。

它能不能直接生成内容？

不能。它是嵌入模型，只负责把输入映射成向量，用于检索、路由与相似度计算；生成部分需要另配生成模型，官方示例是搭配 Gemma 4 组成端侧 RAG 流水线。

相关工具与内容

• AI 搜索分类：本站检索与知识发现方向的入口。
• Dify：可自建检索与智能体流水线的开源平台。
• 搭建智能体联网检索：把检索接进智能体的实操说明。
• Cloudflare Web Search API 快讯：另一篇检索基础设施方向的近期快讯。
• AI 编程分类：代码检索与本地索引相关的工具入口。