EmbeddingGemma 2：Google 把文本、代码、图像和音视频映射到同一向量空间

先说结论：Google DeepMind 在 2026 年 10 月 6 日发布 EmbeddingGemma 2，这是面向嵌入与检索的开放权重模型，不是用来直接生成长篇回答的聊天模型。它把文本、代码、图像、视频帧和音频映射到共享向量空间，完整版本合计 740M 参数；只做文本和代码时可加载约 270M 参数的部分。对需要在本机做跨模态搜索、RAG 索引或代码检索的团队，模块化和维度截断值得关注；官网公布的速度和质量数据仍是厂商测试结果，不能代替你的设备与数据集评测。

它与生成模型的工作分工不同

生成模型接收问题后产出文本或其他内容；嵌入模型把输入压成向量，用于计算语义相似、检索候选、分类或聚类。EmbeddingGemma 2 的典型流程是：把查询编码成向量，在文档/媒体向量库里找邻近项，再将找到的内容交给生成模型总结。它可把查询文本与图像、音频或视频片段放在同一空间里比较，但不会因为“支持多模态”就自动完成完整问答、事实核验或数据库检索。

官方模型卡将参数拆为约 270M 文本/代码骨干、170M 视觉编码器和 300M 音频编码器，全部启用时合计 740M。模型卡说明视觉和音频编码器可以独立加载；对文本检索服务，去掉未使用编码器可以降低权重与峰值分配。这里的 270M、440M、570M 和 740M 是各模块组合的参数规模，不是安装包大小或设备内存的直接等式。

模型支持 8,192 token 上下文，官方说明可以输入文本、图像、视频帧、音频以及交错组合。Google 发布页给出例子：文字或图片找媒体库片段、用文本或声音描述定位视频时刻，并将嵌入向量接入本地 RAG。边缘设备场景的吸引力在于一条索引管线处理多种内容，不必为每种模态各自维护互不兼容的向量空间。

下图把参数分解和输入类型放在一起。全模态模型是 270M+170M+300M 的组合；实际可按产品数据选择启用部分。

MRL 降低存储，也需要质量折衷

EmbeddingGemma 2 原生输出 768 维向量，并以 Matryoshka Representation Learning 支持截断到 512、256 或 128 维。Google 的开发指南给出一个直观估算：百万条 768 维 bfloat16 向量约需 1.5GB；截到 128 维约 250MB，约为六分之一。它是向量本体大小估算，不包括数据库索引、元数据、复制和检索结构，因此真实索引占用会更大。

维度变短也会损失排序质量。Hugging Face 官方模型卡报告：MTEB code 从完整 768 维时的 78.68 降到 512 维的 77.24、256 维的 76.18、128 维的 71.41；文本多语种分数则从 61.36 降到 57.89。上述分数依赖对应基准、版本和全精度检查点。上线时查询和语料必须用相同维数，截断后要重新归一化；否则余弦相似排序可能悄悄变差。

开发者指南建议为查询与文档使用不同任务前缀，例如 SearchQuery 和 Document。若检索质量不理想，先检查任务前缀、标题/正文格式、语料切块和归一化，再考虑更换模型。嵌入模型优化的是召回表示，最终效果还受向量库、过滤条件、重排器和生成模型影响。

下图仅概括官方模型卡列出的 MTEB Code 截断对比，分值为 Google 发布的基准结果，不是本地独立复测。

如何部署与选型

• 先跑文本：可用 Sentence Transformers 6.1.0 或更新版本，从 google/embeddinggemma-2 加载，并在项目里锁定库版本、模型 revision 和精度设置。
• 选择编码器：只有文本/代码就别加载视觉与音频模块；有混合资料再按需启用，记录峰值内存而不只看参数量。
• 评估检索：准备真实查询与标注相关文档，分别测 Recall@k、排序指标、延迟和索引体积；比较 768/512/256/128 维，而不是只看模型卡总分。
• 确认许可：Google 标为 Apache 2.0，但模型权重许可不自动覆盖你使用的语料、数据库、封装应用或其他模型。

结论：EmbeddingGemma 2 的看点是把多模态嵌入做成可拆分、可截断的单一模型家族，而不是声称每种检索任务都胜过专用模型。想减少端侧索引成本的团队，可以从文本-only 或 256/512 维开始，以自己的语料做对照；需要视频和音频检索时再加载完整模块，并把 Google 报告的内存、质量和速度视为待验证基线。

基准数据也要看比较的边界。Google 页面把 EmbeddingGemma 2 的代码检索分数与 EmbeddingGemma 1 作同表比较，模型卡还给出 MIEB、MMEB、MSEB 等不同评测；任务、数据集版本和指标并不相同，不能把单一 78.68 读成“代码搜索普遍准确率”。如果你的文档以中文、表格或大量长代码为主，应单独构建验证集，检查召回样本是否覆盖真实查询，并用固定的重排与切块流程比较。模型有更大的多模态入口，不代表不再需要 OCR、帧抽样、音频切片和索引刷新策略。

参考来源

• Google DeepMind 发布公告
• Google Developers 多模态开发指南
• Google 官方 Hugging Face 模型卡与评测表
• Google AI Edge 文档
• Google Kaggle 模型条目
• Sentence Transformers 相似度使用说明