Google 开源 EmbeddingGemma 2：270M 到 740M 的多模态向量模型，代码检索比上一代高 14%，Apache 2.0
一个基于 Gemma 4 的小型向量模型，把文本、代码、图片、视频和音频映射到同一个 768 维空间，可以在端侧跑多模态语义搜索。
// 要点
- 模块化加载：只要文本和代码是 270M，加视觉 440M，加音频 570M，全模态 740M；文本与代码的上下文窗口 8,192 token。
- 输出 768 维向量，借助 Matryoshka 表示学习可截断到 512、256 或 128 维；MTEB (Code) 比 EmbeddingGemma 1 高 14%，多语言文本精度保持不变。
- 端侧：纯文本权重运行约占 191 MB 内存，全模态在 Pixel 11 Pro 上约 567 MB；经量化感知训练压到 INT4 与 INT8。
- 以 Apache 2.0 发布，权重在 Hugging Face，可通过 Ollama、vLLM、Transformers、sentence-transformers、MLX、LiteRT 等使用。
开发者视角这条和 AI 云盘最直接相关：图片、视频、录音和文档进同一个向量空间，就能用一句话跨类型搜文件，不用再为每种格式各接一套模型。我会先拿 270M 的文本版替换现有向量模型做对比，再按需加载视觉模块；128 维截断能把索引存储压下来，但要先在自己的检索集上测召回掉多少。