740M跑手机，谷歌EmbeddingGemma 2一次搜遍文字、图片和音视频

动察 Beating AI 快讯，Google DeepMind 开源 EmbeddingGemma 2。模型只有 7.4 亿参数，可以直接处理文本、代码、图片、视频和音频，并把它们放进同一个向量空间做搜索和 RAG。上一代 EmbeddingGemma 只能处理文本。

模型也可以只加载需要的部分。只处理文本和代码时有 2.7 亿参数，加上视觉后为 4.4 亿，全部加载则是 7.4 亿。Google 在 Pixel 11 Pro 上测试，量化后文本版本最低占用约 191MB 活跃内存，完整版本约 567MB。上下文从上一代 2K 提高到 8K，一次最多可以处理约 5.5 分钟音频、29 张图片或 58 帧视频。

代码检索提升最明显。MTEB Code 得分从上一代的 68.76 提高到 78.68，多语言文本则基本持平，从 61.15 升到 61.36。模型还支持把默认 768 维向量压到 512、256 或 128 维，最低可以把向量存储空间缩到六分之一。

许可证也放宽了。上一代 EmbeddingGemma 使用 Google 自己的 Gemma 条款，EmbeddingGemma 2 改成 Apache 2.0。Google 今年发布的 Gemma 4 同样采用 Apache 2.0，最近几款开放模型对商业使用和二次开发明显更友好。