背景
Google DeepMind 在 2026 年 10 月 6 日透過 Google 官方部落格發表 EmbeddingGemma 2，這是繼上一代 EmbeddingGemma 之後的第二版嵌入模型。嵌入模型（embedding model）的作用是把文字、圖片、聲音等資料轉成一組數學向量，讓機器可以用「向量之間的距離」來判斷內容是否相似，它是搜尋、推薦與檢索系統的基礎元件。上一代 EmbeddingGemma 主打在一般消費性硬體上生成高品質文字向量，開發者社群的反應超出預期，累積下載量超過 2,000 萬次，被用來打造裝置端搜尋工具與以隱私優先的檢索增強生成（retrieval-augmented generation，簡稱 RAG，指先從本地資料庫找出相關內容，再交給生成模型回答的架構）。第二代則把範圍從文字擴展到程式碼、圖片、影片與聲音，將這些資料統一映射到同一組向量空間中，讓不同格式的內容可以直接互相比較。
核心內容
EmbeddingGemma 2 採用 Gemma 4 架構，參數量為 7.4 億（740M），並以商業友善的 Apache 2.0 授權釋出，開發者可自由用於商業產品。官方給出的應用情境相當具體：使用者可以透過一段語音備忘錄找到對應的影片片段，或用一句文字查詢搜尋數小時的錄音內容，而這些流程都由單一、原生支援多模態的模型完成，不需要為每種資料格式另外部署一套模型。
在品質方面，官方表示此模型在 10 億參數以下（sub-1B）的多模態嵌入模型中，於 MTEB Code（Massive Text Embedding Benchmark 的程式碼子集，用來衡量文字與程式碼向量的檢索品質）與 MAEB（Massive Audio Embedding Benchmark，針對聲音嵌入品質的評測）等基準取得領先成績，並在文字、視覺與聲音任務上追平甚至超越許多規模更大的模型。程式碼能力的提升尤其明顯：在 MTEB Code 上的分數從上一代的 68.76 提升到 78.68，進步 9.92 分，使其適合用於本地程式碼庫索引、語意程式碼搜尋與程式設計代理的資料檢索。
模型在設計上採取模組化結構。純文字工作負載只需約 2.7 億參數，視覺編碼器（vision encoder，負責把圖片與影片轉成向量的元件）另需 1.7 億，聲音編碼器（audio encoder）另需 3 億，開發者可依需求選擇啟用，完整多模態版本才載入全部模組。儲存方面則運用 Matryoshka Representation Learning（MRL，俗稱「俄羅斯套娃」表示學習，一種讓向量前段維度本身就具備可用品質的訓練技巧），輸出向量可從 768 維直接截斷到 512、256 或 128 維，官方宣稱最多可減少 6 倍的本地向量資料庫與記憶體占用。
技術脈絡解讀
這一代的重點之一是把推理壓回裝置端。經過量化（quantization，把模型權重用較低位元數表示以縮小體積與記憶體占用的技術）後，在 Google Pixel 11 Pro 上，純文字權重只需約 191MB 的活動記憶體，完整多模態版本約 567MB。上下文長度則提升到 8K token，是上一代的 4 倍，單次可處理約 5.5 分鐘音訊、29 張圖片、58 個影片畫格，或它們的交錯組合。
由於 EmbeddingGemma 2 與 Gemma 4 共用文字分詞器（tokenizer，把文字切成模型可處理單位的元件）與聲音編碼器，兩者可以一起跑在同一條管線中，合計記憶體占用更低，進而構成完整的裝置端 RAG 流程：由本模型負責找出相關資料，再由 Gemma 4 進行推論與回答。官方同時展示了數個實際應用，包括在 Google AI Edge Gallery 中以文字或圖片搜尋媒體庫的 Instant Media Search、以文字或聲音定位影片片段的 Video Moments Finder、搭配 Foresight 應用做本地檔案檢索與情境推理，以及透過 MediaPipe Decision Task API 建立即時分類與路由決策。模型權重已於 Hugging Face 與 Kaggle 提供，裝置端部署可走 Google AI Edge MediaPipe、LiteRT，瀏覽器端可用 transformers.js 或 WebGPU，推理服務則支援 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 與 LMStudio，向量儲存可用 Qdrant，微調部分則引用 Unsloth 的指引。
影響與限制
把嵌入運算放在本地的意義在於資料不必離開裝置，可強化隱私、降低管線延遲，並讓跨模態搜尋在完全離線的環境下運作，這對行動裝置與邊緣硬體上的應用尤其關鍵。對開發者而言，模組化設計、可截斷的向量維度與共享元件，讓記憶體與儲存成本成為可調參數，而非固定開銷。
限制同樣存在。7.4 億參數的規模雖在同級中表現突出，但在複雜任務上仍未必能取代大型雲端模型；量化後的記憶體數字是特定機型（Pixel 11 Pro）的結果，其他硬體的實際表現需要自行驗證；8K 上下文雖已放大，仍只能涵蓋約 5.5 分鐘音訊，長時間素材仍需分段處理。此外，部分平台（如 Gemini Enterprise Agent Platform 的 Model Garden）尚待上線，各項基準分數與官方宣稱的優勢，仍建議對照模型卡的完整評測資料與自身資料做驗證。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。