أطلقت جوجل ديب مايند نموذج التضمين متعدد الوسائط EmbeddingGemma 2، وهو نموذج تضمين مفتوح المصدر مبني على بنية Gemma 4، يقوم بتضمين النصوص والرموز البرمجية والصور ومقاطع الفيديو والصوت في فضاء متجهي مشترك ذي 768 بُعداً. يتميز النموذج بـ 740 مليون معامل وتصميم معياري يسمح بوجود نسخ أصغر مخصصة للنص فقط أو للصورة-الصوت، ويدعم نافذة سياق تتكون من 8K رمز.
- يحقق EmbeddingGemma 2 نتائج رائدة بين مُضمِّنات الوسائط المتعددة ذات المعاملات الأقل من مليار، بما في ذلك 78.68 على MTEB Code v1 و49.39 على MAEB (الصوت).
- النموذج مُحسّن للنشر على الأجهزة الطرفية، ويتطلب حوالي 191MB من ذاكرة الوصول العشوائي لأوزان النص فقط، و567MB للنموذج متعدد الوسائط الكامل على جهاز Pixel 11 Pro.
- يستخدم التعلم التمثيلي الماتريوشكي (Matryoshka Representation Learning) للسماح بتقليص المتجهات إلى 512 أو 256 أو 128 بُعداً، مما يقلل متطلبات التخزين بشكل كبير مع فقدان ضئيل في الأداء.
- الأوزان متاحة بموجب رخصة Apache 2.0 على Hugging Face وKaggle، مع دعم لـ Ollama وllama.cpp وLiteRT وإطارات عمل أخرى.
يتيح هذا الإصدار إمكانيات الاسترجاع المعزز بالتوليد (RAG) والبحث المحلي الذي يركز على الخصوصية من خلال السماح للمطورين بتشغيل التضمينات مباشرة على الأجهزة دون إرسال البيانات إلى السحابة.