Google afferma che EmbeddingGemma 2 supera i modelli di embedding rivali due volte più grandi
decoder ·
Google ha rilasciato EmbeddingGemma 2, un modello open-source progettato per convertire testo, immagini, video, audio e codice in vettori numerici per facilitarne il confronto. Con 740 milioni di parametri, è descritto come il modello più compatto del suo genere, superando i concorrenti di dimensioni doppie nei benchmark multimodali. Il modello ha ottenuto un punteggio di 78,68 sul Massive Text Embedding Benchmark for Code, segnando un miglioramento significativo rispetto al predecessore. Funziona localmente senza richiedere una chiave API, utilizzando WebGPU nel browser con tempi di query compresi tra 20 e 70 millisecondi. Il sistema richiede solo circa 191 MB di RAM e può ridurre lo spazio di archiviazione dei database vettoriali locali fino a sei volte. Per compiti più semplici che coinvolgono solo testo, è disponibile una versione più piccola con 270 milioni di parametri. Accoppiato con modelli come Gemma 4, consente applicazioni offline di Retrieval-Augmented Generation senza inviare dati a server esterni. I pesi e la documentazione sono attualmente disponibili su Hugging Face e Kaggle.
decoder