Google behauptet, dass EmbeddingGemma 2 rivalisierende Einbettungsmodelle übertrifft, die doppelt so groß sind
decoder ·
Google hat EmbeddingGemma 2 veröffentlicht, ein Open-Source-Modell, das Text, Bilder, Videos, Audio und Code in numerische Vektoren umwandelt, um deren Vergleich zu erleichtern. Mit 740 Millionen Parametern gilt es als das kompakteste Modell dieser Art und übertrifft Konkurrenten, die doppelt so groß sind, auf multimodalen Benchmarks. Das Modell erzielte eine Punktzahl von 78,68 im Massive Text Embedding Benchmark for Code, was eine deutliche Verbesserung gegenüber seinem Vorgänger darstellt. Es läuft lokal ohne API-Schlüssel und nutzt WebGPU im Browser mit Abfragezeiten zwischen 20 und 70 Millisekunden. Das System benötigt nur etwa 191 MB RAM und kann den Speicherbedarf lokaler Vektordatenbanken um bis zu das Sechsfache reduzieren. Für einfachere textbasierte Aufgaben steht eine kleinere Version mit 270 Millionen Parametern zur Verfügung. In Kombination mit Modellen wie Gemma 4 ermöglicht es offline Retrieval-Augmented-Generation-Anwendungen, ohne Daten an externe Server zu senden. Die Gewichte und Dokumentationen sind derzeit auf Hugging Face und Kaggle verfügbar.
decoder