Google 发布 EmbeddingGemma 2：在手机上用一句话搜照片、视频和录音 Google 开源了 EmbeddingGemma 2，这是一个能在手机和电脑本地运行的多模态嵌入模型。文字、图片、视频、音频和代码都能放进同一套“坐标系”，所以你可以用一句话找到一段视频，整个过程不用联网。 嵌入模型（embedding model）是搜索背后的一层技术：它把内容转成一串数字，意思相近的内容，数字也相近。上一代 EmbeddingGemma 只处理文字，这一代把几种格式统一了起来，可以跨格式找东西。比如对着手机说一句话，找出相册里对应的视频片段；或者输入一行字，在几个小时的录音里找到某段对话。 模型有 7.4 亿参数，运行时占用 191MB 到 567MB 内存，手机上跑得动。Google 说它在同体量模型里表现最好，还超过了一些比它大一倍多的模型。它一次能处理的内容是上一代的 4 倍（8K 上下文），相当于 5.5 分钟音频、29 张图片或 58 帧视频。 它可以和 Google 的开源大模型 Gemma 4 搭配，在设备上做 RAG（检索增强生成，先查资料再回答）。EmbeddingGemma 2 从你的本地文件里找出相关内容，Gemma 4 读完后给出答案。文件不离开设备，合同、病历这类不想上传到云端的资料也能这样处理。 它基于 Gemma 4 架构，用 Apache 2.0 协议开源，可以免费商用。现在能在 Hugging Face 和 Kaggle 下载，Google 企业 AI 平台的模型库稍后上线。 Sundar Pichai : Introducing EmbeddingGemma 2, a new open multimodal model that sets the standard for on-device efficiency. - our first open, natively multimodal embedding model - handles text, code, image, video, and audio tasks within a lightweight, modular 740M parameter form factor - ideal Link: https://x.com/sundarpichai/status/2107501975671890211

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：AI / AI前沿 / 宝玉 @dotey
  • 发布时间：2026/10/7 09:06:00