Google DeepMind vydal otvorený multimodálny model EmbeddingGemma 2

Google DeepMind 6. októbra 2026 oznámil model EmbeddingGemma 2, otvorený multimodálny model určený na prevod rôznych typov obsahu do spoločného vektorového priestoru. Pracuje s textom vrátane programového kódu, obrázkami, videom aj audiom, pričom výstupom sú embeddingy s 768 rozmermi.

Embeddingy sú číselné reprezentácie obsahu, ktoré aplikácie využívajú napríklad pri sémantickom vyhľadávaní, klasifikácii alebo pri retrievalových systémoch pre RAG. Spoločný priestor má umožniť porovnávať obsah naprieč podporovanými modalitami.

Model EmbeddingGemma 2 a jeho parametre

Model má celkovo 740 miliónov parametrov. Textová časť obsahuje 270 miliónov parametrov. Obrazový enkodér je voliteľný a má 170 miliónov parametrov, zvukový enkodér je tiež voliteľný a má 300 miliónov parametrov. Pri nasadení, ktoré pracuje iba s textom, preto nie je potrebné používať voliteľné obrazové a zvukové komponenty.

Model EmbeddingGemma 2 podporuje kontextové okno s dĺžkou 8 192 tokenov. Vývojári môžu 768-rozmerné embeddingy skrátiť na 512, 256 alebo 128 rozmerov. Takéto skrátenie môže byť relevantné tam, kde aplikácia potrebuje znížiť nároky na ukladanie alebo spracovanie vektorov.

Otvorené váhy a lokálne použitie

Google model vydal pod licenciou Apache 2.0. Váhy sú verejne dostupné v repozitári Google na platforme Hugging Face. Licencia uľahčuje integráciu do vlastných aplikácií a projektov, ktoré chcú model prevádzkovať lokálne.

Podľa oznámenia je model určený aj pre lokálne scenáre sémantického vyhľadávania, klasifikácie a RAG nad kombináciou textu, kódu, obrazu, videa a zvuku. Lokálne spracovanie môže v takýchto prípadoch znížiť latenciu a obmedziť potrebu odosielať citlivý obsah na vzdialený server. Skutočné pamäťové nároky a výkon však budú závisieť od použitej kvantizácie, hardvéru, knižnice aj konkrétnej úlohy.

Čo bude treba overiť v praxi

Google zverejnil vlastné benchmarky, no tvrdenia o postavení modelu medzi multimodálnymi embeddingovými modelmi podobnej veľkosti zatiaľ nemajú nezávisle overené porovnanie. Dôležité budú reprodukcie výsledkov a testy proti ďalším modelom s menej než miliardou parametrov.

Vývojári budú zároveň sledovať kompatibilitu a reálny výkon v nástrojoch Transformers, sentence-transformers, MediaPipe a LiteRT. Otvorenými otázkami zostávajú aj praktické limity pri viacjazyčných úlohách, spracovaní videa a audia či spôsob riešenia rizík zaujatosti, súkromia a škodlivého použitia v aplikáciách postavených na embeddingoch.

Overené a aktualizované: 07. 10. 2026 06:24