Google开源EmbeddingGemma 2多模态模型

Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2，参数量为 744M，可将文本、图像、音频、视频及混合输入统一编码到同一向量空间。该模型为每个模态设置独立表示，配套论文显示其在统一嵌入空间中刷新了 Pareto 前沿，性能超越体量大 12 倍的模型。

Google 发布 EmbeddingGemma 2 论文，提出可在统一嵌入空间中原生表示文本、图像、音频、视频及其组合的开放多模态嵌入模型。其质量超过专用模型和大 212 倍的模型，建立新的 Pareto 前沿。模型支持选择性加载模态编码器、调节视觉 token 预算、截断嵌入维度及量化权重，面向资源受限场景灵活部署。