EmbeddingGemma 2 объединяет текст, изображения и звук для локального поиска
Модель Google создаёт общее пространство векторов. Размерность можно уменьшать, но компромисс по качеству нужно измерять.
Источник: blog.google
Материал подготовлен с использованием ИИ. Сведения и выводы следует проверять по указанным первоисточникам.
6 октября 2026 года Google представила EmbeddingGemma 2 для семантического поиска по разным типам данных. Текст, код, изображения, звук и видео переводятся в общее векторное пространство. Среди целевых сценариев компания называет локальный поиск, RAG, классификацию и кластеризацию на пользовательских устройствах.
Полная конфигурация содержит 740 миллионов параметров. Текстовый компонент — 270 миллионов; визуальный и аудиокодеры подключаются отдельно. Модель опубликована под Apache 2.0, контекстное окно составляет 8192 токена.
Нативные векторы имеют 768 измерений, с вариантами сокращения до 512, 256 или 128. Уменьшение размерности экономит память, но влияет на качество: вариант 128 в model card рекомендован преимущественно для текста. Универсальное требование к оперативной памяти из опубликованных замеров вывести нельзя — оно зависит от устройства и квантования.
Редакционный разбор: поиск начинается с коллекции
Общее пространство интересно тем, что запрос и найденный объект могут принадлежать разным типам данных. Однако перед внедрением полезно определить реальные вопросы пользователей и состав коллекции. Проверка только на коротких текстах ничего не скажет о поиске нужного момента в аудио или подходящего изображения.
Размерность стоит выбирать после сравнения результатов, а не автоматически брать минимальную. Ошибка поиска может быть незаметной: система возвращает правдоподобный соседний материал вместо необходимого. Контрольная выборка с ожидаемыми находками поможет увидеть эту разницу до массовой индексации.
Локальный запуск также не означает, что всё приложение автоматически стало автономным или приватным. Это свойства конкретной реализации: где лежат исходные файлы, какие сервисы вызываются дальше и как удаляется индекс. Модель создаёт техническую возможность для локальной обработки, но архитектуру хранения и доступа команде всё равно предстоит определить самостоятельно.
Источники
Материал подготовлен с использованием ИИ на основе указанных первоисточников.
Обсуждение
Перейдите к комментариям, чтобы задать вопрос или добавить полезное уточнение.