Google gefur út EmbeddingGemma 2 fjölmiðlalíkan

Google DeepMind gaf út EmbeddingGemma 2 á þriðjudaginn, 6. október. Líkanið er með opnum vigtum og breytir texta, kóða, myndum, myndböndum og hljóði í sameiginlegt 768 víða innfellingarrými, og það er nógu lítið til að keyra á símum og fartölvum. Líkanið hefur 740 milljónir færibreyta, er byggt á Gemma 4 arkitektúrnum og er gefið út undir Apache 2.0 leyfinu.developers.googleblog+1

Útgáfan færir innfellingarvinnu Google út fyrir texta. Innfellingar breyta efni í tölur sem fanga merkingu, sem er það sem leitarverkfæri og RAG kerfi nota til að finna viðeigandi efni. Google sagði að forritarar geti notað líkanið til að finna ákveðið myndskeið úr raddminnismiða, eða til að leita í klukkustundum af hljóðupptökum með textafyrirspurn. Fyrsta EmbeddingGemma, 308 milljóna færibreyta textalíkan byggt á Gemma 3, kom út í september 2025. Google segir að því hafi verið hlaðið niður meira en 20 milljón sinnum.blog+1

Einingahönnun og viðmið

Forritarar þurfa ekki að hlaða öllu líkaninu. Samkvæmt leiðbeiningum Google hefur texta- og kóðakjarninn 270 milljónir færibreyta, sjónkóðari bætir við 170 milljónum og hljóðkóðari bætir við 300 milljónum. Sérhver samsetning framleiðir vigra í sama rými, svo hægt er að bera saman fyrirspurn sem er innfelld með textastillingunni beint við skjöl sem eru innfelld með fullu líkani. Allt inntak deilir 8.192 tákna samhengisglugga, fjórum sinnum stærri en í upprunalega líkaninu. Það er nóg fyrir allt að 29 myndir, 58 myndskeiðsramma eða 5,5 mínútur af hljóði í einu inntaki.unite+2

Investing.com greindi frá því að líkanið skoraði 78,68 í kóðaprófi Massive Text Embedding Benchmark, sem er 9,92 stigum hærra en forverinn með 68,76. Tækni sem kallast Matryoshka Representation Learning gerir forriturum kleift að stytta vigra niður í 128 víddir, sem minnkar geymsluþörf allt að sexfalt. Leiðbeiningar Google segja að 256 víða vigrar haldi um 95% af fullum gæðum við mynd-, myndbands- og talaleit. Við 128 víddir falla gæði fjölmiðlaleitar niður í um 75%.investing+1

Líkanaspjaldið segir að EmbeddingGemma 2 hafi ekki fengið öryggisstillingu eftir þjálfun, samkvæmt Unite.AI. Það skilur eftir öryggisráðstafanir á forritastigi hjá forriturum.unite

Forrit í tækjum og framboð

Með magngreiningu á Pixel 11 Pro nota textavigtirnar um 191 megabæti af vinnsluminni og fulla fjölmiðlalíkanið notar um 567 megabæti, sagði Google. Seeking Alpha greindi frá því að Google AI Edge Gallery appið muni bæta við tveimur kynningum byggðum á líkaninu. Instant Media Search gerir notendum kleift að leita í staðbundnum myndum og myndböndum eftir lýsingu, og Video Moments Finder getur fundið atriði eins og "hundur að grípa frisbí" án þess að umrita hljóðið fyrst. Google kynnti einnig Google AI Edge Foresight fyrir Mac, tilraunaforrit sem leitar í fundargerðum, minnismiðum, myndum og skjölum sem geymd eru á tölvu.tradingview+1

Vigtirnar eru fáanlegar núna á Hugging Face og Kaggle. Google segir að líkanið komi í ML Kit fyrir Android á næstu vikum, með stuðningi við vélbúnaðarhröðun á tækjum sem hafa það. Framboð í Gemini Enterprise Agent Platform Model Garden er einnig "væntanlegt fljótlega," samkvæmt Google.investing+1