最新资讯
dev.to 如何在专用 GPU 服务器上用 OpenAI 兼容 API 部署 LLM dev.to 审计 153 份 Claude Code 与 Codex 会话记录:User-Agent 与 URL 中的邮箱泄露 dev.to 你的 Agent Harness 应具备的 17 项能力 dev.to 离线 AI 记忆中 0.8 余弦阈值为何失效 dev.to Kimi K3.1 Pro 开放权重:自托管 2.8T 模型前的开发者清单 dev.to 如何通过工具调用引导模型以提升 Harness 质量 dev.to AI Agent 审计轨迹不等于对话记录 dev.to 精简 MCP server 工具数量:更少工具、更小影响面,双重收益 dev.to 为什么 git checkout 无法撤销 AI 编码 agent 的改动? wechat AI短剧门槛降降降!实测即梦短剧工作室:剧本分镜预演一条龙,伙伴计划长期护航 dev.to 让模型改写文档前,先量化事实保真度 dev.to 回放 153 个 Claude Code 与 Codex 会话,审计 Agent 的生产影响范围
多元动态
登录 注册
行业动态 x.com · @Sundar Pichai (@sundarpichai)

Google 发布 EmbeddingGemma 2 开放多模态嵌入模型

原文 我的收藏

Google 发布 EmbeddingGemma 2,称其为首个开放的原生多模态嵌入模型,采用 740M 参数的轻量模块化设计,可处理文本、代码、图像、视频和音频任务,适合与 Gemma 4 搭配用于离线、隐私优先的 RAG,官方称其性能超过部分规模两倍以上的专用模型,权重已在 Hugging Face 开放。

AI推荐理由 Sundar Pichai 账号发布 EmbeddingGemma 2,称其为首个开放的原生多模态嵌入模型,740M 参数、支持文本/代码/图像/视频/音频,面向端侧效率与离线隐私优先 RAG,并称性能超过部分两倍以上规模的专用模型,权重已在 Hugging Face 开放;信息具体、可验证(权重已发布),对端侧嵌入与 RAG 应用有直接价值,但性能对比缺少具体基准名称。

82 浏览 597,000 点赞 7,421 评论 360 转发 724

正文

Introducing EmbeddingGemma 2, a new open multimodal model that sets the standard for on-device efficiency. - our first open, natively multimodal embedding model - handles text, code, image, video, and audio tasks within a lightweight, modular 740M parameter form factor - ideal for offline, privacy-first RAG when paired with Gemma 4 - outperforms some specialist models more than twice its size Weights available now on Hugging Face.

来源报道 · 1 篇 · 以下链接均前往原始媒体

Sundar Pichai (@sundarpichai) Google 发布 EmbeddingGemma 2 开放多模态嵌入模型 10-07 · 原文发布
← 返回精选动态 原文

更多内容