Google anunció EmbeddingGemma 2 el 6 de octubre de 2026 como un modelo de incrustación multimodal de pesos abiertos que procesa texto, imágenes, audio y video en un espacio de incrustación unificado. Publicado bajo la licencia Apache 2.0, el modelo se basa en la arquitectura Gemma 4 y contiene 740 millones de parámetros, lo que permite inferencia en el dispositivo para tareas de búsqueda y recuperación multimodal sin requerir conexión a internet.
El modelo presenta un diseño modular que permite a los desarrolladores utilizar solo el codificador de texto (270 millones de parámetros) o agregar codificadores opcionales de visión (170M) y audio (300M) para un soporte multimodal completo. Emplea el aprendizaje de representación Matryoshka (MRL) para truncar dinámicamente los vectores de salida de 768 dimensiones a 512, 256 o 128 dimensiones, logrando hasta una reducción de almacenamiento de 6x para bases de datos de vectores. Además, su ventana de contexto de 8K tokens—cuatro veces mayor que la de la primera EmbeddingGemma—permite procesar aproximadamente 5,5 minutos de audio, 29 imágenes o 58 fotogramas de video directamente en el hardware local.
Esta ilustración muestra la capacidad de despliegue periférico de EmbeddingGemma 2, respaldando la discusión del artículo sobre inferencia en el dispositivo y soporte multimodal modular.
EmbeddingGemma 2 ofrece una mejora de 9,92 puntos en el rendimiento de código (MTEB Code) frente a su predecesor, aumentando de 68,76 a 78,68, y se ejecuta de manera eficiente en dispositivos como el Google Pixel 11 Pro con aproximadamente 191 MB de RAM para los pesos solo de texto y aproximadamente 567 MB para el modelo multimodal completo cuando está cuantizado. Si bien la fuente destaca una alta calidad por parámetro y señala que supera a algunos modelos especializados más del doble de su tamaño, no proporciona desgloses de rendimiento específicos por modality para tareas de imagen, audio o video, dejando sin especificar las ganancias exactas en esas áreas.
El gráfico presenta los resultados de evaluación de MTEB Multilingual v2, complementando la mejora reportada de MTEB Code del artículo y resaltando las capacidades multilingües del modelo.