2026 年 10 月 6 日，Google DeepMind 發布 EmbeddingGemma 2，稱其為首個原生多模態的端側嵌入開放模型。官方首批推文只給出定位，未提及引數規模、上下文長度與適配硬體；隨後補充說明該模型為 740M 引數，在多項基準上具備競爭力，甚至超過部分引數量兩倍以上的專用模型。模型把文字之外的程式碼、影像、音訊與影片統一對映到同一個共享向量空間，可在裝置本地完成跨模態檢索與相似度計算，例如用語音備忘錄定位影片片段，也可與 Gemma 4 搭配實現端側私有 RAG。EmbeddingGemma 2 以 Apache 2.0 許可發布，權重已上線 Hugging Face 與 Kaggle。同日，llama.cpp 作者 ggerganov 宣布對 EmbeddingGemma 2 提供 Day-0 支援，意味著發布當天即可在 llama.cpp 上執行；對應 GGUF 權重由 ggml-org 發布在 Hugging Face，可直接下載用於本地推理。此事直接影響在本地跑模型的開發者和 Apple Silicon 等消費級硬體使用者，以及希望為應用加入多模態檢索或端側私有 RAG 的開發者。
AI 根據 3 則報導生成 · 10/6 18:31 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
Google DeepMind 推出 EmbeddingGemma 2 嵌入模型，740M 引數在多項基準上具備競爭力，甚至超過部分引數量兩倍以上的專用模型。模型以 Apache 2.0 許可發布，權重已上線 Hugging Face 與 Kaggle。開發者可用它為應用加入多模態檢索，例如用語音備忘錄定位影片片段，也可與 Gemma 4 搭配實現端側私有 RAG。
Google DeepMind 發布 EmbeddingGemma 2，稱其為首個原生多模態的端側嵌入開放模型。該模型在文字之外，把程式碼、影像、音訊與影片統一對映到同一個共享向量空間，可用於在裝置本地完成跨模態檢索與相似度計算。官方目前只給出這一定位，未公布引數規模、上下文長度、適配硬體與開源許可等細節。
過去 48 小時，有 2 個獨立來源報導，最近 6 小時新增 2 個。熱度 1.9，熱門榜第 3 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。