EmbeddingGemma 2: um modelo de incorporação multimodal aberto e leve
deepmind ·
O Google DeepMind lançou o EmbeddingGemma 2, um modelo de incorporação multimodal de código aberto projetado para processamento eficiente em dispositivos. Construído na arquitetura Gemma 4 com 740 milhões de parâmetros, ele mapeia nativamente texto, imagens, áudio e vídeo em um espaço de incorporação unificado. O modelo alcança desempenho líder entre os modelos com menos de 1 bilhão de parâmetros, melhorando significativamente a compreensão de código enquanto mantém alta qualidade para tarefas de visão e áudio. Ele oferece opções de design modular, permitindo que desenvolvedores utilizem contagens menores de parâmetros para cargas de trabalho específicas, como apenas texto. A eficiência de armazenamento é aprimorada por meio do Aprendizado de Representação Matryoshka, que permite o truncamento dinâmico de vetores para reduzir o uso de memória. Otimizado para hardware de borda, o modelo roda em dispositivos como o Google Pixel 11 Pro com requisitos mínimos de RAM. Com uma janela de contexto de 8 mil tokens, ele pode processar grandes quantidades de mídia diretamente no hardware local sem dependência da nuvem. Este lançamento suporta aplicações centradas na privacidade, habilitando busca semântica offline e pipelines de geração aumentada por recuperação.
deepmind