核心结论：Google DeepMind 于 2026 年 10 月 6 日推出开放模型 EmbeddingGemma 2。它将文本、代码、图片、音频和视频映射到共享向量空间，面向端侧跨模态检索与检索增强生成（RAG）。模型基于 Gemma 4 架构，约 7.4 亿参数，以 Apache 2.0 许可发布。
EmbeddingGemma 2 能做什么？
向量模型把不同类型的输入转成可比较的表示，用于查找相似内容，并不直接生成最终答案。Google 举例，可以用语音备忘录查找视频片段、用文本检索本地媒体库，或与 Gemma 4 配合构建端侧 RAG。
统一的多模态向量空间减少了分别维护文本、图片、音频和视频检索链路的复杂度。但真实应用仍要处理数据切分、索引更新、权限过滤，以及模态之间的相关性校准。
模块化编码器：按需求取舍资源
Google 披露，EmbeddingGemma 2 采用模块化结构。纯文本工作负载可使用约 2.7 亿参数，按需加入视觉约 1.7 亿和音频约 3 亿参数的编码器；完整模型约 7.4 亿参数。
这使只处理文档的设备不必承担完整多模态配置的成本。企业做选型时应分别测量文本、图像和音频组合下的准确率、峰值内存与耗电，而不是仅看完整模型的参数量。
向量维度可缩减，适合本地索引
借助 Matryoshka Representation Learning，输出向量可以从 768 维截断至 512、256 或 128 维。Google 表示，本地向量数据库和内存使用最多可因此减少约六倍。
这个数字对应向量表示的配置，不代表包含原始媒体文件、索引元数据和应用进程在内的总存储必然同幅下降。维度越低也可能影响某些任务的召回质量，应使用企业数据做质量与资源的联合评测。
上下文与端侧运行条件
模型支持 8K Token 上下文窗口。Google 给出的端侧输入示例包括最长约 5.5 分钟音频、29 张图片或 58 帧视频，也支持多种输入交错组合。具体吞吐和延迟取决于设备及输入结构。
在 Google Pixel 11 Pro 的量化运行条件下，官方披露纯文本权重的活动内存最低约 191MB，完整多模态模型约 567MB。这是特定设备和设置下的数据，不能直接套用到其他手机、工业网关或浏览器。
性能、可用性与价格边界
Google 称 EmbeddingGemma 2 在小于 10 亿参数的多模态向量模型中表现突出，并披露 MTEB Code 评分从上一代的 68.76 提升至 78.68。官方基准只说明其测试条件下的表现，企业仍需用自己的中英文文档、设备图像、音频和视频样本测量检索命中率。
模型权重已在 Hugging Face 和 Kaggle 提供，Apache 2.0 许可允许商业使用；Gemini Enterprise Agent Platform Model Garden 上线仍是后续计划。此次公告没有给出按 Token 计费的托管 API 价格。企业部署需自行计算设备、索引、存储和维护成本。
中蓝科创观察：先验证高价值的本地检索场景
对于需要数据留在设备或边缘节点的场景，统一多模态向量空间有助于降低跨模态检索的架构割裂。建议先在手机端文档搜索、工业巡检媒体查询或离线知识库中做小规模试点，逐项检查检索质量、权限隔离、索引更新和量化后的响应性能，再决定是否与生成模型组成完整 RAG 链路。
本文依据 Google 2026 年 10 月 6 日官方发布资料整理。模型限制、许可和生态支持请以官方最新文档为准。
