谷歌声称 EmbeddingGemma 2 的表现优于两倍大小的竞争对手嵌入模型
decoder ·
谷歌发布了开源模型 EmbeddingGemma 2，该模型旨在将文本、图像、视频、音频和代码转换为数值向量，以便更易于比较。该模型拥有 7.4 亿个参数，被描述为同类中最紧凑的模型，同时在多模态基准测试中表现优于规模为其两倍的竞争对手。在“大规模文本嵌入基准测试（代码）”中，它取得了 78.68 分的成绩，较前代产品有显著提升。该模型可在本地运行，无需 API 密钥，利用浏览器中的 WebGPU 技术，查询时间在 20 至 70 毫秒之间。系统仅需约 191 MB 内存，并可将本地向量数据库的存储量减少多达六倍。对于较简单的纯文本任务，还提供了一款拥有 2.7 亿参数的较小版本。当与 Gemma 4 等模型配合使用时，它能够实现离线检索增强生成（RAG）应用，而无需将数据发送至外部服务器。目前，其权重和文档已在 Hugging Face 和 Kaggle 上提供。
decoder