谷歌开源EmbeddingGemma 2：7.4亿参数统一多模态检索，手机可跑

据腾讯研究院AI速递，谷歌10月6日开源EmbeddingGemma 2。这款740M参数的嵌入模型是其首个原生多模态开源嵌入模型，可将文字、代码、图片、视频、音频映射进同一个768维向量空间，支持100多种语言，上下文长度8K、为上一代的4倍。

基准表现上，其图像检索得57.3分、视频检索50.7分，对比同类开源模型Jina v5 Omni-Nano的31.6分与31.2分优势明显；代码检索MTEB Code从上一代的68.76升至78.68。架构上，文本270M、视觉170M、音频300M三个模块可按需加载；在Pixel 11 Pro上量化后完整模型约占567MB内存，纯文本场景最低约191MB。llama.cpp已提供支持，可与Gemma 4搭配做离线RAG。

【AICOR 点评】嵌入模型是检索增强与企业知识库的地基工程，它的开源与端侧化，意味着中小企业能以极低成本自建覆盖文档、图像、音视频的全格式企业记忆，数据不出内网。多模态统一向量空间的价值在于跨格式关联检索——把图纸、会议录音与工单放进同一个搜索框，这才是知识管理从存档走向调用的分水岭。