谷歌开源 EmbeddingGemma 2:744M 多模态嵌入模型胜过 12 倍大模型
dair_ai · x · 2026-10-28
Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2(744M 参数),将文本、图像、音频、视频及其混合输入统一编码到同一向量空间。每个模态有独立编码器接入共享骨干,可按需加载:纯文本 271M、视觉语言 439M、音频语言 577M。
关键成绩:
- 在 7 个覆盖文本/代码/图像/视频/文档/音频的基准套件上,击败专精模型和 212 倍大的模型
- MTEB Multilingual v2 得分 61.36,MTEB English v2 得分 68.46
- int4 量化版在 MTEB Multilingual 仅损失约 0.4 分
模型还支持降低视觉 token 预算、截断嵌入维度,适合端侧部署,可作为 agent 记忆与混合媒体检索的小型开源方案。
所属事件:谷歌开源 EmbeddingGemma 2：744M 多模态嵌入模型(2 条相关)→
「模型」频道最新
- 更正:DeepSeek-V4.1-Flash-1017 并非最强,FrontierCode 2.0 得分约 28% — scaling01 · 2026-10-28
- LiveBench 榜单更新：Claude Fable 5.1 以 85.7 分登顶，DeepSeek 领跑开源 — bindureddy · 2026-10-28
- 开源编程模型疑似被榜单刷穿,开发者盼 FrontierCode 2.0 保持干净 — zyxciss · 2026-10-28
- OpenBMB 开源 MiniCPM-OCR:1.3B 解析器搭配 Jev 模型给 OCR 结果打可信分 — omarsar0 · 2026-10-28
- Gemini 聊天记录默认接受人工审查，唯一关闭方式是删除全部聊天 — Kyrannio · 2026-10-28
- 从业者澄清开源模型需求争议:企业自托管推理被高估,需求靠产品拉动 — zephyr_z9 · 2026-10-28