출시
2026년 10월 6일, Google DeepMind가 오픈 멀티모달 임베딩 모델 EmbeddingGemma 2를 Apache 2.0(상업적 이용 가능)으로 공개했습니다. 텍스트, 코드, 이미지, 영상, 오디오와 그 조합을 하나의 768차원 공간의 벡터로 변환합니다. 음성 메모로 영상 클립을 찾거나, 문장 하나로 몇 시간 분량의 녹음을 검색할 수 있습니다.
Google에 따르면 텍스트 전용이던 첫 EmbeddingGemma는 2천만 다운로드를 넘었습니다.
사양
- 총 7억 4천만 파라미터, Gemma 4 아키텍처 기반
- 모듈식: 필요한 것만 로드합니다. 텍스트·코드 2.7억, 비전 포함 4.4억, 오디오 포함 5.7억, 전체 7.4억. 모든 버전이 호환되는 벡터를 생성합니다.
- 텍스트·코드에 8,192토큰 컨텍스트, 100개 이상 언어
- 마트료시카(MRL): 벡터를 512, 256, 128차원으로 줄일 수 있어 품질 손실은 적고 벡터 DB 저장 공간은 최대 6배 절감
- MTEB(Code)에서 EmbeddingGemma 1보다 14% 향상, 다국어 품질 유지
- sentence-transformers(v6.1.0+)로 사용:
SentenceTransformer("google/embeddinggemma-2"). float16이 아닌 bfloat16 또는 float32를 사용하세요.
왜 중요한가
임베딩은 시맨틱 검색과 RAG의 기반입니다. 지금까지 사진, 점검 영상, 콜센터 녹음, PDF 매뉴얼을 가진 기업은 여러 모델과 별도의 파이프라인이 필요했습니다. 노트북, 휴대폰, CPU에서 도는 작은 단일 모델로 다음이 가능합니다.
- 사내 멀티미디어 검색: "밸브 부식이 보이는 점검 영상"
- 온디바이스·오프라인 RAG: 민감한 데이터를 클라우드로 보내지 않아 개인정보 규제 대응에 유리
- 더 가벼운 파이프라인: Gemma 4와 토크나이저 및 오디오 인코더를 공유해 적은 메모리로 함께 실행
주의할 점
- 벤치마크 수치는 Google 자체 결과입니다. 특히 한국어 등은 자사 데이터로 테스트하세요.
- 영상은 프레임 샘플링을 조정하세요. 긴 영상은 임베딩 비용이 큽니다.
- 128차원 절단은 공간을 절약하지만 Google은 주로 텍스트에 권장합니다.
- 임베딩 모델을 바꾸면 전체 재인덱싱이 필수입니다. 마이그레이션을 계획하세요.
시작하는 법
- 작은 사례를 고르세요(예: 유지보수 사진 검색).
- 메모리를 아끼려면 필요한 인코더만 로드하세요.
- 정확도와 저장 비용을 현재 임베딩과 비교하세요.
- 그다음 오디오와 영상으로 확장하세요.
출처
- 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
자체 데이터로 멀티모달 검색과 RAG를 구축하고 싶으신가요? KGA IT가 무료 상담을 제공합니다: kga-it.com