Google 开放 EmbeddingGemma 2：740M 多模态嵌入模型，Apache 2.0

Google 发布 EmbeddingGemma 2，一个约 740M 参数、可把文本（含代码）、图像、视频和音频映射到同一向量空间的开放嵌入模型，采用 Apache 2.0 许可。其中文本主干只有 270M，纯文本场景可以关闭视觉和音频编码器。模型支持 100 多种语言，所有模态共享 8,192 token 的输入长度。

要点

• 原生 768 维，可截断为 512、256、128 维；截断后需重新归一化
• MTEB 多语言 v2 平均分：768 维 61.36、512 维 61.17、256 维 60.41、128 维 57.89
• MTEB code v1 的 NDCG@10 为 78.68
• 模型卡提醒：用 float16 可能静默产生 NaN 或劣化的向量，应使用 bfloat16 或 float32

来源

### [Google 开放 EmbeddingGemma 2：740M 多模态嵌入模型，Apache 2.0]({{URL}})

Google 发布 EmbeddingGemma 2，一个约 740M 参数、可把文本（含代码）、图像、视频和音频映射到同一向量空间的开放嵌入模型，采用 Apache 2.0 许可。其中文本主干只有 270M，纯文本场景可以关闭视觉和音频编码器。模型支持 100 多种语言，所有模态共享 8,192 token 的输入长度。

- 原生 768 维，可截断为 512、256、128 维；截断后需重新归一化
- MTEB 多语言 v2 平均分：768 维 61.36、512 维 61.17、256 维 60.41、128 维 57.89
- MTEB code v1 的 NDCG@10 为 78.68
- 模型卡提醒：用 float16 可能静默产生 NaN 或劣化的向量，应使用 bfloat16 或 float32

**为什么值得关注**：文本模式只有 270M，CPU 或小显卡就能跑，适合在自部署环境里给 RAG、代码检索做嵌入模型的对比测试；Apache 2.0 许可对内部使用没有额外限制。多模态部分暂时用不上。

来源：[google/embeddinggemma-2 模型卡](https://huggingface.co/google/embeddinggemma-2)；[EmbeddingGemma 2 论文页](https://huggingface.co/papers/2610.37364)