Google 发布 EmbeddingGemma 2：用轻量多模态模型构建本地语义搜索

2026 年 10 月 6 日，Google DeepMind 发布 EmbeddingGemma 2，将文本（含代码）、图像、音频和视频映射到同一个向量空间，面向手机与笔记本上的语义搜索和检索增强生成（RAG）。官方公告与模型卡均标注 Apache 2.0 许可证。

可以用来做什么？

嵌入模型将内容转换成可比较的数字表示，用于寻找语义相近的资料。它本身不生成聊天回答；在 RAG 应用中，可先检索资料，再交由生成模型组织答案。Google 同日更新 AI Edge Gallery 的本地媒体检索示例，展示文字或图片查找媒体，以及定位视频片段的流程。

按需加载，控制体积

完整模型为 7.4 亿参数，其中文本模块 2.7 亿、视觉编码器 1.7 亿、音频编码器 3 亿。开发者可以仅加载需要的模态。原生向量维度为 768，也支持 512、256、128 维截断；向量更短可节省存储，但应检查检索质量。模型卡提示，截断后需重新归一化，查询与资料库的向量维度必须一致。

上手入口与限制

官方提供模型下载、SentenceTransformers 示例以及 MediaPipe、LiteRT 等端侧部署路径。AI Edge 团队说明，面向 Android 的 ML Kit 服务将在未来数周提供，不能视为已全面上线。实际资源占用取决于设备、精度与所加载模块，端侧运行也需要先准备模型与索引。

模型卡提醒，不同语言的表现可能不同；文本检索应使用对应任务前缀，并以自己的资料测试效果。本站观察：这类工具可用于个人媒体库、代码库和内部知识库搜索，选型时应重点检查相关结果能否准确召回，以及索引维护成本。以上为基于官方资料的应用分析，本站未做设备性能测试。

原始来源

• Google 官方发布公告（2026-10-06）
• EmbeddingGemma 2 官方模型卡
• Google AI Edge 部署与示例说明（2026-10-06）

核对日期：2026 年 10 月 7 日。