Google lanza EmbeddingGemma 2, un modelo abierto de embeddings multimodales

Google ha lanzado EmbeddingGemma 2, un modelo abierto de embeddings que unifica texto, código, imágenes, vídeo y audio en un mismo espacio vectorial. Está construido sobre la arquitectura Gemma 4, tiene 740 millones de parámetros y se publica bajo licencia Apache 2.0, pensado para funcionar en el propio dispositivo. Según Google, requiere tan solo unos 191 MB de RAM para texto y unos 567 MB para la versión multimodal completa en un Pixel 11 Pro, y puede truncar sus vectores de 768 a 128 dimensiones mediante aprendizaje de representación Matryoshka para ahorrar espacio de almacenamiento. Su ventana de contexto es de 8.000 tokens, lo que le permite procesar hasta 5,5 minutos de audio o 29 imágenes de una vez, y mejora en casi 10 puntos el rendimiento en búsqueda de código respecto a la versión anterior, según datos de la propia empresa.

Al ser abierto y ligero, permite construir aplicaciones de búsqueda y recuperación de información (RAG) que funcionan sin conexión y sin enviar datos a servidores externos, algo relevante para privacidad y para dispositivos con recursos limitados. Que sea Apache 2.0 también evita la dependencia de modelos de embeddings propietarios, que pueden dejar de ofrecerse y obligar a recalcular vectores ya almacenados.