Google DeepMind 于 2026 年 10 月 6 日正式发布 EmbeddingGemma 2，这是继去年 EmbeddingGemma 之后的新一代开放嵌入模型。官方数据显示，初代 EmbeddingGemma 下载量已超过 2000 万次，被广泛用于端侧搜索与隐私优先的 RAG 流水线。EmbeddingGemma 2 在此基础上将能力从纯文本扩展到代码、图像、视频和音频，并采用 Apache 2.0 商业友好许可。
架构与多模态对齐机制
EmbeddingGemma 2 基于 Gemma 4 架构构建，总参数量 740M。其核心设计是模块化：文本工作负载最低只需 270M 参数，视觉编码器可选增加 170M，音频编码器可选增加 300M。这种设计意味着开发者可以按需组合，而非强制加载完整多模态权重。
模型原生将文本、图像、音频、视频的组合映射到统一嵌入空间。官方描述其与 Gemini Embedding 系列共享底层技术，并复用 Gemma 4 的文本 tokenizer 和音频编码器。这一共享机制带来一个关键工程收益：当 EmbeddingGemma 2 与 Gemma 4 生成模型配合部署时，两者可在统一流水线中运行，降低合计内存占用。
轻量化与存储优化
EmbeddingGemma 2 采用 Matryoshka Representation Learning（MRL），输出向量可从 768 维动态截断至 512、256 或 128 维。官方称此举可为本地向量数据库和内存使用带来最高 6 倍的存储缩减。对于端侧向量检索场景，这意味着开发者可以在召回率与存储成本之间做连续调节，而不必更换模型。
端侧性能方面，官方给出 Google Pixel 11 Pro 上的量化数据：纯文本权重活跃内存约 191MB，完整多模态模型约 567MB。上下文窗口为 8K token，是初代的 4 倍，可处理约 5.5 分钟音频、29 张图像、58 个视频帧，或它们的交错组合。
基准表现
官方公布的评测结果显示，EmbeddingGemma 2 在 sub-1B 多模态嵌入模型中处于领先位置。文本方面延续了初代的多语言能力；代码方面在 MTEB Code 上从 68.76 提升至 78.68，提升 9.92 分，官方定位其适用于本地代码库索引、语义代码搜索和编码 agent 检索。在图像、视频、文档和音频任务上，官方称其质量-参数比优于同规模模型，甚至超过部分参数量两倍以上的专用模型。完整评测指标见官方 model card。
端侧 RAG 与隐私部署
EmbeddingGemma 2 的定位是让语义搜索、路由和检索完全在边缘硬件上运行。本地生成嵌入可减少数据外传、降低流水线延迟，并支持完全离线的跨模态搜索。官方给出的典型场景包括：从语音备忘录中定位特定视频片段，或基于文本查询检索数小时音频记录。
部署路径方面，官方与多方合作提供了较完整的工具链：模型权重发布于 Hugging Face 和 Kaggle，Gemini Enterprise Agent Platform Model Garden 即将上线；端侧可通过 Google AI Edge 的 MediaPipe 或 LiteRT 集成，浏览器端支持 transformers.js 与 WebGPU；服务端可用 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio；向量存储方面官方提及 Qdrant。微调可参考 Unsloth 的指南。
选型建议与边界
从工程视角看，EmbeddingGemma 2 的差异化在于三点：一是原生多模态统一嵌入空间，避免为不同模态维护多套检索索引；二是模块化参数设计，文本场景可只加载 270M 部分；三是 MRL 带来的向量维度弹性。
但需注意，官方资料未披露各模态编码器的具体对齐训练细节、量化方案的具体类型，以及不同维度截断下的召回率衰减曲线。实际选型时，建议在目标硬件上以真实业务数据验证 128/256/512 维截断后的检索质量，并确认所选推理框架对多模态输入的支持程度。对于纯文本 RAG，初代 EmbeddingGemma 或更小模型可能仍是更经济的选项；当业务涉及音频、视频或代码混合检索时，EmbeddingGemma 2 的统一嵌入空间才体现出结构性优势。