目前结论
Google DeepMind 已开源 EmbeddingGemma 2，一个 Apache 2.0 许可的 740M 参数多模态嵌入模型，统一文本、代码、图片、视频和音频检索，支持端侧灵活加载与向量降维，并在代码检索等基准上较上代提升。
进展时间线
2 次实质进展- #01
EmbeddingGemma 2：一个开放、轻量的多模态嵌入模型
Google 发布了 EmbeddingGemma 2，这是一个以 Apache 2.0 许可证开源的开放权重嵌入模型，提供 270M 纯文本版本和 440M 文本+视觉版本。该模型面向本地与端侧嵌入向量生成场景。 Hacker News 上的评论者认为该发布填补了缺少优质中等规模嵌入模型的空白；simonw 指出，嵌入模型尤其不应采用封闭且仅限托管的模式，因为应用会把向量长期存储用于后续比对，而厂商有朝一日可能停止提供该模型。 评论者 aabhay 指出，与此前的端侧嵌入模型不同，EmbeddingGemma 2 似乎是使用 MRL 而非 MatFormers 训练的，因此无法在降低嵌入维度的同时同步缩小模型权重。另一位评论者 Nautman 则提到它可通过 MediaPipe 用于文本与图像任务。
来源依据：ilreb
- #02
740M跑手机，谷歌EmbeddingGemma 2一次搜遍文字、图片和音视频
新增技术细节：完整模型为 740M 参数，统一支持文本、代码、图片、视频和音频的向量检索；可按需加载，仅文本/代码为 270M，加视觉为 440M，全量为 740M；上下文由 2K 提升至 8K；MTEB Code 得分从 68.76 升至 78.68；支持将 768 维压缩至 512/256/128 维；Pixel 11 Pro 上量化后内存占用约 191MB/567MB。
此后状态：Google DeepMind 已开源 EmbeddingGemma 2，一个 Apache 2.0 许可的 740M 参数多模态嵌入模型，统一文本、代码、图片、视频和音频检索，支持端侧灵活加载与向量降维，并在代码检索等基准上较上代提升。
来源依据：theblockbeats