Google 10 月 6 日发布 EmbeddingGemma 2，一个开放权重的多模态嵌入模型。它能把文本、代码、图像、视频帧和音频映射到同一个向量空间，用途是在手机、笔记本上做本地检索，数据不用出设备。
模型基于 Gemma 4，完整版约 7.4 亿参数，由三块拼成：2.7 亿参数的文本主干，加上可选的 1.7 亿参数视觉编码器和 3 亿参数音频编码器。只做文本检索的话，只装主干就够了。许可证是 Apache 2.0，可以商用。
规格
上下文长度 8K token。按官方的换算，一次输入大约能塞进 5.5 分钟音频、29 张图片或 58 帧视频。
输出是 768 维向量，可以截成 512、256 或 128 维。这靠的是 Matryoshka 表示学习，截短后精度损失较小，官方说本地存储和索引最多能省到原来的六分之一左右（开发者博客另一处写的是最多 8 倍）。
端侧占用是这次的重点数字。量化后在 Pixel 11 Pro 上，纯文本版本运行时约占 191MB 内存，多模态全开约 567MB。在 MacBook 的 M5 Pro GPU 上，处理一张图片约 37.3 毫秒，每秒约 27 张。模型提供 INT4 和 INT8 两种量化版本。
跑分方面，代码检索基准 MTEB Code 得分 78.68，初代是 68.76，提高 9.92 分。图像嵌入基准 MIEB Lite 和音频嵌入基准 MAEB 上，Google 称它领先同量级模型，但公告里没有列出具体对手和分数。多语言文本检索和初代持平。
配套的几个演示
Google AI Edge Gallery 应用（安卓和 iOS 都有）新增两个演示：即时媒体搜索，用一句话在相册里找图；视频时刻查找，定位视频里某个画面出现的位置。Mac 上另有一个叫 Foresight 的会议助手，本地记笔记，还能跨文字和录音检索。
开发者可以从 Hugging Face、Kaggle 下载权重，LiteRT、MediaPipe、transformers.js、llama.cpp、Ollama 都已支持，浏览器里可以借 WebGPU 跑。安卓的 ML Kit 接口要在未来几周上线，届时会调用手机 NPU 加速。
对国内开发者
Apache 2.0 加上 Ollama、llama.cpp 支持，国内团队可以直接拉下来做私有化部署，相册检索、会议录音检索、企业内网知识库这类对数据外传敏感的场景用得上。Hugging Face 在国内直连不稳定，下载一般要走镜像。
国内同类开源模型并不少，此前微信团队开源的多模态嵌入模型在 MMEB-v2 榜上排过第一。差别在体量：EmbeddingGemma 2 从一开始就按手机内存来设计，567MB 这个数字是冲着端侧去的。中文效果上，Google 只说多语言能力与初代持平，没有单独给出中文检索分数，接入前最好拿自己的语料先测一轮。
参考来源：Google 官方博客、CocoLoop、Google Developers Blog；Google DeepMind 模型页核验参数构成、上下文长度与 MTEB Code 分数，开发者博客核验端侧内存与图片处理速度。