谷歌推出 744M 参数 EmbeddingGemma 2:统一文本/图像/音视频表示
burkov · x · 2026-10-30
文章介绍并评测了 EmbeddingGemma 2，一个 744M 参数的统一多模态 embedding 模型，将文本、图像、音频、视频及其混合输入转化为共享表示，可用于检索、相似度匹配与分类。
- 解决的痛点：传统 embedding 系统只擅长文本，处理多媒体需转写/配图等额外步骤，成本高且丢失视觉细节与非语音声音；大型多模态模型算力需求高，难以用于高吞吐、低延迟或端侧场景。
- 工程亮点：各模态编码器可按需选择性加载；输出向量可截短、权重可压缩，适配有限硬件。
所属事件:谷歌开源 EmbeddingGemma 2：744M 全模态嵌入模型(13 条相关)→
「模型」频道最新
- METR 图表分析 Anthropic 模型轨迹：持续加速假设误差 1.9 胜一次性跃升 — scaling01 · 2026-11-06
- 模型互写评测「大乱斗」：Gemma-4 夺冠，Qwen2.5-72B 首次全通过 APEX — Dave_Maynor · 2026-11-06
- r-1 mini 发布图展示解析任务 Pareto 前沿，价质量不再二选一 — JenniferHli · 2026-11-06
- METR 调查：Anthropic 员工自报 Model 4 带来约 12 倍效率提升 — scaling01 · 2026-11-06
- webAI 发布开源 8B 模型与 Mac 应用，主打本地端侧 agent 协作 — omarsar0 · 2026-11-06
- 传 OpenAI 新模型两周攻克百余个长期悬而未决的数学难题 — felpix_ · 2026-11-06