El lanzamiento
El 6 de octubre de 2026, Google DeepMind lanzó EmbeddingGemma 2, un modelo de embeddings multimodal abierto bajo licencia Apache 2.0 (uso comercial permitido). Convierte texto, código, imágenes, vídeo y audio, y combinaciones de ellos, en vectores en un mismo espacio de 768 dimensiones. Así se puede buscar un fragmento de vídeo a partir de un audio, u horas de grabaciones a partir de una frase.
El primer EmbeddingGemma, solo de texto, superó los 20 millones de descargas, según Google.
Ficha técnica
- 740 millones de parámetros en total, basado en la arquitectura Gemma 4.
- Modular: cargue solo lo que necesite. 270M para texto y código, 440M con visión, 570M con audio, 740M con todo. Todas las versiones generan vectores compatibles.
- Contexto de 8.192 tokens para texto y código, en más de 100 idiomas.
- Matryoshka (MRL): los vectores pueden truncarse a 512, 256 o 128 dimensiones, con hasta 6x menos almacenamiento en la base vectorial y poca pérdida de calidad.
- 14% mejor que EmbeddingGemma 1 en MTEB (Code), manteniendo la calidad multilingüe.
- Uso mediante sentence-transformers (v6.1.0+):
SentenceTransformer("google/embeddinggemma-2"). Use bfloat16 o float32, no float16.
Por qué importa
Los embeddings son la base de la búsqueda semántica y el RAG. Hasta ahora, empresas con fotos, vídeos de inspección, grabaciones de call center y manuales en PDF necesitaban varios modelos y pipelines separados. Un único modelo pequeño que corre en portátil, móvil o CPU permite:
- Búsqueda multimedia interna: "el vídeo de la inspección en el que aparece corrosión en la válvula".
- RAG local y offline, sin enviar datos sensibles a la nube, algo que cuenta para el RGPD, la LGPD y la ley japonesa APPI.
- Pipelines más ligeros: como comparte tokenizador y codificador de audio con Gemma 4, ambos corren juntos con menos memoria.
Precauciones
- Las cifras de benchmark son de Google; pruebe con sus propios datos, sobre todo en español y otros idiomas.
- Para vídeo, ajuste el muestreo de fotogramas; los vídeos largos son caros de embeber.
- Truncar a 128 dimensiones ahorra espacio, pero Google lo recomienda sobre todo para texto.
- Cambiar de modelo de embedding obliga a reindexar todo; planifique la migración.
Cómo empezar
- Elija un caso pequeño (p. ej., búsqueda en fotos de mantenimiento).
- Cargue solo los codificadores necesarios para ahorrar memoria.
- Compare con su embedding actual en precisión y coste de almacenamiento.
- Solo entonces amplíe a audio y vídeo.
Fuentes
- Google Blog (2026-10-06): https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
- Google Developers Blog, "EmbeddingGemma 2: The Developer Guide": https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/
- EmbeddingGemma 2 model card: https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2
¿Quiere construir búsqueda y RAG multimodal con sus propios datos? KGA IT ofrece una consulta gratuita: kga-it.com.