原文標題：EmbeddingGemma 2: an open, lightweight multimodal embedding model
Google DeepMind 於 10 月 6 日推出 EmbeddingGemma 2，將原本以文字為主的輕量嵌入模型擴展到多模態內容。官方表示，新模型可將文字、程式碼、圖片、聲音與影片轉換到同一向量空間，讓應用程式用不同形式的查詢尋找相關資料，例如以文字尋找錄音片段，或利用語音描述定位影片。
模型基於 Gemma 4 架構，總規模為 7.4 億參數，採可商業使用的 Apache 2.0 授權。Google 特別強調裝置端推論用途，希望開發者不必把每段使用者內容傳送到遠端服務，就能完成語意搜尋、內容分類及檢索增強生成的資料準備。
官方指出模型採模組化設計，純文字工作負載可以只使用約 2.7 億參數的部分；影像及音訊編碼器則能視需求加入。這種拆分方式讓不同裝置可以按功能需求選擇資源配置，而不必一開始就載入完整多模態能力。
Google 也公布模型在程式碼、音訊與其他嵌入評測中的表現主張，稱其在同等規模模型中具有競爭力。這些結果屬官方評測，實際延遲、耗電與中文檢索品質仍須依裝置、資料集和使用情境獨立驗證。
發生了什麼事
EmbeddingGemma 2 正式推出，讓輕量嵌入模型從文字搜尋擴展到影音與程式碼資料。這是已經公開的官方資訊，後續實際導入仍須參考相關產品文件。
為什麼重要
多模態內容若能在本機建立統一索引，可能減少資料外傳需求並降低部分應用的雲端依賴。實際效益還需觀察後續採用情況、部署環境及維運成本。
影響哪些人
行動應用、桌面搜尋、企業知識庫與個人媒體整理工具的開發者都可能受益。有意採用的團隊應先確認現有設備、方案和自身需求是否符合條件。
已確認與未確認
已確認 7.4 億參數、Apache 2.0 授權與模組化架構；各硬體上的效能與所有語言準確度尚未由本文驗證。
