EmbeddingGemma 2 是什么：谷歌能装进手机的全模态嵌入模型

它是什么

EmbeddingGemma 2 是谷歌在 2026 年 10 月 6 日发布的开放权重嵌入模型，基于 Gemma 4 架构，参数 740M，上下文窗口 8K，采用可商用的 Apache 2.0 许可。它最大的变化是从纯文本扩展到全模态：文本、代码、图像、视频和音频，都被映射到同一个共享的向量空间里。官方把它定位为端侧多模态嵌入的标杆模型。

上一代的成绩

第一代 EmbeddingGemma 在 2025 年推出，定位是能跑在消费级硬件上的高质量文本嵌入模型，帮助应用在设备本地组织、搜索和关联信息。官方说开发者社区的反响远超预期，下载量超过 2000 万次，被大量用于本地搜索工具和注重隐私的检索增强生成（RAG）流程。第二代就是在这个基础上，把能力从文本扩展到所有常见的数据类型。

“共享向量空间”能干什么

嵌入模型把内容转成向量，意思相近的内容向量也相近，于是可以做语义检索。不同模态共享一个向量空间，意味着可以跨模态搜索：用一段文字去搜视频片段，用一张图去搜相关文档，用语音备忘录去找对应的视频。官方举的例子是：根据一条语音备忘录找到某段视频，或者用文字查询在几个小时的录音里定位内容，全部由同一个原生多模态模型处理。过去要做这件事，往往需要文本、图像、音频各用一个模型，再想办法对齐，既复杂又占资源。

为什么强调端侧

740M 的参数量足够小，可以在手机和笔记本上运行。对个人数据来说这很重要：照片、录音、聊天记录、本地文档，都可以在设备上直接建索引、做检索，数据不用上传到云端。这也让离线可用的智能相册、本地知识库、私人助理更容易实现。

适合谁

做本地搜索、个人知识管理、相册和媒体库检索的应用开发者，是它最直接的受益者；做 RAG 的团队，如果资料里混着大量图片、音视频，可以用它统一建索引。Apache 2.0 许可让商用没有障碍。8K 的上下文对长文档需要先切块，追求极致精度的大规模服务端检索，可以和更大的嵌入模型对比。AI 主线的看法是：嵌入模型的下一步是“万物都能搜”，EmbeddingGemma 2 把这件事做到了手机能跑的规模，会让很多本地 AI 应用的实现门槛明显降低。