Google 发布 EmbeddingGemma 2 声称超越两倍体量的竞品

Google 发布了名为 EmbeddingGemma 2 的开源多模态嵌入模型，官方宣称其以 7.4 亿参数规模在基准测试中表现优于体量达其两倍的竞争对手。该模型支持将文本、图像、视频、音频和代码转换为数值向量，旨在降低本地检索与比较相似内容的门槛。

具体性能数据显示，EmbeddingGemma 2 在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代提升近 10 分，达到与更大模型相当的水平。在工程部署方面，该模型无需 API 密钥即可在浏览器中通过 WebGPU 运行，单次查询耗时约 20 至 70 毫秒，仅需约 191 MB 内存，并能将本地向量数据库的存储需求削减高达六倍。针对纯文本任务，官方还提供参数量仅为 2.7 亿的轻量版本。

这一发布意味着开发者可以利用 Gemma 4 等小型开源模型配合 EmbeddingGemma 2 构建完全离线的 RAG（检索增强生成）应用，而无需向外部服务器发送数据。模型权重已托管于 Hugging Face 和 Kaggle，并附带开发者指南。事实层面确认了模型的多模态能力与端侧部署优势，推断其可能推动私有化 RAG 方案的普及，但关于“超越两倍体量”的具体对比对象需参考官方提供的完整基准报告。