Ang paglulunsad
Noong Oktubre 6, 2026, inilabas ng Google DeepMind ang EmbeddingGemma 2, isang open multimodal embedding model sa ilalim ng Apache 2.0 (pinapayagan ang komersyal na paggamit). Ginagawa nitong vectors sa iisang 768-dimension space ang text, code, larawan, video at audio, at mga kombinasyon nito. Maaari kang maghanap ng video clip mula sa voice memo, o maghanap sa ilang oras ng recording gamit ang isang pangungusap.
Ayon sa Google, lumampas sa 20 milyong download ang unang EmbeddingGemma na pang-text lang.
Specs
- 740 milyong parameter sa kabuuan, batay sa Gemma 4 architecture.
- Modular: i-load lang ang kailangan. 270M para sa text at code, 440M kasama ang vision, 570M kasama ang audio, 740M para sa lahat. Magkakatugma ang vectors ng lahat ng bersyon.
- 8,192-token na context para sa text at code, sa mahigit 100 wika.
- Matryoshka (MRL): maaaring paikliin ang vectors sa 512, 256 o 128 dimension, para sa hanggang 6x na mas kaunting storage sa vector database at kaunting bawas sa kalidad.
- 14% na mas mahusay kaysa EmbeddingGemma 1 sa MTEB (Code), habang napapanatili ang multilingual na kalidad.
- Gamitin sa sentence-transformers (v6.1.0+):
SentenceTransformer("google/embeddinggemma-2"). Gumamit ng bfloat16 o float32, hindi float16.
Bakit mahalaga
Ang embeddings ang pundasyon ng semantic search at RAG. Hanggang ngayon, ang mga kumpanyang may larawan, inspection video, call-center recording at PDF manual ay nangangailangan ng ilang model at hiwalay na pipeline. Ang iisang maliit na model na tumatakbo sa laptop, phone o CPU ay nagbibigay-daan sa:
- Internal na multimedia search: "ang inspection video na may kalawang sa valve".
- On-device at offline na RAG, nang hindi nagpapadala ng sensitibong data sa cloud, na mahalaga sa ilalim ng Data Privacy Act at iba pang batas.
- Mas magaan na pipeline: dahil kapareho nito ang tokenizer at audio encoder ng Gemma 4, sabay silang tumatakbo nang mas kaunti ang memorya.
Mag-ingat
- Galing sa Google ang benchmark numbers; subukan sa sariling data, lalo na sa Filipino.
- Para sa video, ayusin ang frame sampling; magastos i-embed ang mahahabang video.
- Nakakatipid ng espasyo ang pagpapaikli sa 128 dimension, pero pangunahing inirerekomenda ito ng Google para sa text.
- Ang pagpapalit ng embedding model ay nangangailangan ng reindex ng lahat; planuhin ang migration.
Paano magsimula
- Pumili ng maliit na use case (hal., paghahanap sa maintenance photos).
- I-load lang ang kailangang encoders para makatipid sa memorya.
- Ikumpara sa kasalukuyang embedding sa accuracy at gastos ng storage.
- Saka palawakin sa audio at video.
Mga pinagmulan
- 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
Gusto mo bang bumuo ng multimodal search at RAG gamit ang sariling data? Nag-aalok ang KGA IT ng libreng konsultasyon: kga-it.com.