EmbeddingGemma 2 开源：7.4 亿参数把文本、图像、视频、音频与代码统一编码成向量，端侧运行只要约 191MB 内存，官方称性能超过部分两倍体积的对手——配上 Gemma 4 就能跑完全离线的 RAG
Google claims EmbeddingGemma 2 outperforms rival embedding models twice its size
精选评分 76
导读
Google 发布了 EmbeddingGemma 2，一个 7.4 亿参数的开放模型，能把文本、图像、视频、音频与代码统统转成向量。它可在设备端运行，只需约 191MB 内存，Google 声称其表现优于一些体积两倍于它的竞争模型。文章还给出一个具体的搭配用法：与 Gemma 4 这类小型开放模型配对，就能在数据不出本机的前提下跑离线 RAG 应用。对做检索与端侧应用的团队来说，191MB 这个内存门槛与全模态的统一编码，比性能声称更直接可用。
推荐理由
端侧嵌入的实际门槛（191MB 内存 + 全模态 + 离线 RAG 组合）讲得很具体，选型时可直接据此判断可行性。
主体与标签
Google#模型发布#开源#评测/基准
正文
Google released EmbeddingGemma 2, an open model with 740 million parameters that converts text, images, video, audio, and code into vectors. It runs on-device, needs only about 191 MB of RAM, and outperforms some competing models twice its size, according to Google. Paired with a small open model like Gemma 4, it can run offline RAG apps without sending data to external servers.
The article Google claims EmbeddingGemma 2 outperforms rival embedding models twice its size appeared first on The Decoder .