EmbeddingGemma 2：Google 开源 740 M 多模态嵌入模型，文本版只要 270 M，手机上可跑

一句话结论：EmbeddingGemma 2 是 Google DeepMind 2026 年 10 月 6 日开源的多模态嵌入模型，Apache 2.0 协议，能把文本（含代码）、图片、视频和音频映射到同一个 768 维向量空间，适合做本地语义搜索、RAG 和分类。它采用模块化设计：只用文本时加载 270 M 参数，加上视觉和音频编码器共 740 M。Google 称量化后在 Pixel 11 Pro 上纯文本仅占约 191 MB 内存，全模态约 567 MB。代码检索基准 MTEB Code 从上一代的 68.76 提升到 78.68，但多语言文本基准几乎持平（61.15 → 61.36），官方没有单独公布中文成绩。

AI 摘要

• 是什么：Google 开源的轻量多模态嵌入模型，Apache 2.0，Hugging Face 与 Kaggle 可下载，截至 10-23 Hugging Face 主仓库下载约 18.5 万次
• 核心卖点：四种模态共用一个 768 维向量空间，文字可以直接搜图片、视频片段和音频
• 体积：文本 270 M、文本 + 图像 440 M、文本 + 音频 570 M、全模态 740 M，可按需加载
• 上下文：8 K token，约等于 29 张图、58 帧视频或 5.5 分钟音频
• 注意事项：推理不能用 float 16（会输出 NaN），文本要加任务前缀，向量截断后必须重新归一化

资源信息

• 资源名：EmbeddingGemma 2
• 资源 URL：https://huggingface.co/google/embeddinggemma-2
• 类型：开源模型（多模态嵌入）
• 许可或授权：Apache License 2.0
• 是否免费：免费，可商用
• 是否需要登录：Hugging Face 仓库不需要申请访问，直接下载
• 最近核查日期：2026-10-23（Hugging Face 下载约 18.5 万、点赞 2,845）

EmbeddingGemma 2 是什么，能做什么？

嵌入模型的作用是把一段内容变成一串数字（向量），内容越相近，向量距离越近。RAG 知识库、语义搜索、去重、聚类都靠它。EmbeddingGemma 2 的特别之处在于多模态共用一个空间：一句「防水越野跑鞋」可以直接和商品图片、演示视频、语音片段比较相似度，不用分别训练几套模型再拼接。

模型卡列出的用途包括：跨文本、代码、图片、视频、音频的语义检索；企业知识库 RAG；用自然语言搜代码；情感分类、内容审核、音频事件识别；按主题聚类用户反馈；为事实核查检索证据文档。

它基于 Gemma 4 架构，训练数据覆盖 140 多种语言，官方称理解 100 多种语言，数据截止 2025 年 1 月。和 ColGrep-Agent-2 B 本地代码搜索 这类「生成式小模型」不同，嵌入模型只输出向量，不生成文字，通常作为搜索系统的底层组件。

哪些人适合用 EmbeddingGemma 2？

适合：

• 想在本地或手机上做语义搜索的开发者：文本版 270 M，量化后内存占用约 191 MB（Google 在 Pixel 11 Pro 上测得）
• 有图片、视频、录音资料库，想用一句话检索的团队，例如素材库、会议录音、商品图
• 搭 RAG 或 Agent 记忆的开发者：输出维度可截断到 256，存储降到三分之一，多语言文本分数只降约 1 分
• 需要 Apache 2.0、可商用、可离线的嵌入模型的企业

不适合：

• 只处理中文文本、追求中文检索最高精度的场景：官方没有公布中文基准，多语言总分和上一代几乎持平，建议同时评估中文专门优化的文本嵌入模型
• 需要生成答案的场景：它只负责「找」，回答还要另接一个大模型
• 设备不支持 bfloat 16 又不想用 float 32 的部署：官方明确不能用 float 16

怎么用 EmbeddingGemma 2？

官方推荐用 sentence-transformers（版本不低于 6.1.0，旧版不能正确处理多模态输入的顺序）：

pip install -U sentence-transformers transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("google/embeddinggemma-2")
q = model.encode("北极光是怎么形成的？", prompt_name="SearchQuery")
d = model.encode("北极光由太阳风中的带电粒子撞击大气产生。", prompt_name="Document")
print(model.similarity(q, d))

以上代码来自官方模型卡示例（问题文本改为中文），本站未在本机实测。三个用法要点：

1. 任务前缀：检索时查询用 SearchQuery，文档用 Document；有标题的文档写成 title: 标题 | text: 正文。分类、聚类、相似度各有自己的前缀，不加也能用但精度会下降
2. 按需加载编码器：只做文本时传 config_kwargs={"vision_config": None, "audio_config": None}，模型降到 270 M
3. 截断维度：model.encode(..., truncate_dim=256, normalize_embeddings=True)，查询和文档必须用同一维度

除了 Python，官方列出的接入方式还有 MediaPipe、LiteRT、transformers.js、WebGPU（浏览器端）、MLX、vLLM、llama.cpp、SGLang、Ollama、LM Studio，向量库集成 Qdrant，微调用 Unsloth。

多模态输入怎么算长度？

所有模态共用 8,192 token 的上下文，按固定比例消耗：

官方测试成绩怎么看？

以下为模型卡公布的全精度、768 维成绩，均为 Google 自测：

维度截断的影响：从 768 维截到 256 维，多语言文本分数从 61.36 降到 60.41；截到 128 维，多模态总分从 59.01 降到 45.65。官方结论是 256 维以上接近无损，128 维只适合纯文本任务。Google 博客称它在 1 B 以下多模态嵌入模型中，MTEB Code 和 MAEB 两项排名第一，并「超过一些两倍体积的专用模型」，但没有点名对比对象。

使用 EmbeddingGemma 2 有哪些风险和限制？

• 不能用 float 16：激活值超出 float 16 范围，模型会返回 NaN 或悄悄变差的向量而不报错。支持的硬件用 bfloat 16，其他（包括多数 CPU）用 float 32
• 截断后要重新归一化：直接切片的向量不再是单位长度，算余弦相似度会排序失真，同样不会报错
• 中文效果未单独公布：模型卡提醒各语言表现可能不一致，中文场景应先用自己的数据做小规模召回测试
• 没有安全对齐：作为预训练嵌入模型，它没有经过后训练对齐和输出审核，检索过滤、公平性测试要在应用层自己做
• 生态需要新版本：sentence-transformers 要 6.1.0 以上，部分 GGUF、ONNX 版本由社区转换，使用前核对来源

如果你的知识库还需要图谱和长期记忆，可以参考 Cognee 知识图谱记忆；想把生成模型也放在本地，可看 Llama Windows 本地大模型托盘工具。

FAQ

EmbeddingGemma 2 可以商用吗？

可以。EmbeddingGemma 2 以 Apache 2.0 协议发布，可以免费使用、修改和商用，Hugging Face 仓库不需要申请访问。部署时需遵守 Gemma 的禁止用途政策。

EmbeddingGemma 2 支持中文吗？

支持。官方称模型理解 100 多种语言，训练数据覆盖 140 多种语言，但没有单独公布中文检索成绩，多语言 MTEB 总分为 61.36，与上一代基本持平。中文为主的项目建议先用自己的数据测试召回率。

EmbeddingGemma 2 和第一代有什么区别？

第一代是 300 M 的纯文本模型，上下文 2 K。第二代新增图片、视频、音频三种模态，上下文扩到 8 K，代码检索分数从 68.76 提升到 78.68；只用文本时体积为 270 M，比第一代略小。

EmbeddingGemma 2 需要什么硬件？

文本版 270 M 参数，普通笔记本 CPU 即可运行。Google 称量化后在 Pixel 11 Pro 手机上纯文本约占 191 MB 内存，全模态约 567 MB。注意不要用 float 16 推理。

参考来源

• Hugging Face：google/embeddinggemma-2 模型卡与 config_sentence_transformers.json（10-23 查阅）
• Google 博客：EmbeddingGemma 2: an open, lightweight multimodal embedding model（2026-10-06）
• Google AI for Developers：EmbeddingGemma 文档