embeddinggemma-2

embeddinggemma-2

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

由 google 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：EmbeddingGemma 2 是 Google DeepMind 的开源嵌入模型。它把文字、代码、图片、视频和音频变成同一个 768 维空间里的向量，所以不同类型的媒体可以互相比较。它把 270M 的文字模型、170M 的视觉编码器和 300M 的音频编码器合在一起，总共约 740M 参数。

适合谁：构建搜索、为聊天模型做检索、分类或聚类的开发者，尤其是任务必须在笔记本或手机上运行的场景。

Industry | Who uses it | How they use it | Example
软件 | 搜索工程师 | 把文字、代码、图片、视频和音频放进同一个向量空间做索引 | 用文字查询匹配一段视频
移动应用 | 应用开发者 | 在设备上做语义搜索 | 同时搜索用户的笔记和照片
AI 产品 | 检索构建者 | 为聊天模型取回段落 | 用匹配的前缀给文档和问题生成向量
数据工作 | 分析师 | 按语义对内容分组或打标签 | 把一堆客服消息聚类

如果你需要能写文字的模型，可以跳过它，因为它只产生向量。

用在哪里：

• 使用 transformers 库的 Python 程序，页面列出了这个库
• 笔记本和手机，模型卡把它们作为目标设备
• 向量搜索和检索流程

Use case | Who | What they get back
跨媒体的语义搜索 | 开发者 | 文字、图片、视频和音频条目的排序匹配结果
分类和聚类 | 数据团队 | 按语义分好组的条目
更小的向量存储 | 索引很大的团队 | 缩短后的向量，按模型卡所说最多省 6 倍存储

如何设置：

• Python
• Hugging Face 工具，用来获取文件
• 你自己代码里的 transformers 库
• 约 1.5 GB 磁盘用于 BF16 权重，4 bit 估计约 372 MB

1. 安装 Hugging Face hub 软件包。
2. 下载仓库文件。
3. 在你自己的代码里用 transformers 库加载模型。

pip install -U huggingface_hub
hf download google/embeddinggemma-2

如何使用：让文字、图片、视频或音频通过模型，每个条目得到 768 个数字。加上一个适合任务的简短指令前缀，再比较向量来找出匹配项。

Tool | What it does
hf download | 把仓库文件复制到你的电脑
任务前缀 | 一段简短的文字指令，为搜索、分类、聚类或相似度调整向量
截断向量 | 把向量缩短到 128、256 或 512 个数字，再重新归一化
可加载的编码器 | 让你只加载需要的视觉或音频编码器

示例：对 "red running shoes" 这几个词和一个商品照片文件夹生成向量，然后按向量与文字的接近程度给照片排序。最接近的照片应该是展示红色跑鞋的那些。

新手与专家：如果你是新手，可以把嵌入想成一串数字，让相似的内容彼此靠近。给两个句子和一个无关的句子生成向量，再比较每一对有多接近。

如果你熟悉这个领域，文字模型有 24 层，模型维度 512，滑动窗口 1024 个 token，局部与全局注意力的比例是 5 比 1。均值池化后接一个 512 到 768 的投影。套娃式训练支持截断到 128、256 或 512 维。

文字、图片、视频或音频输入
对应的编码器读取它
输出一个 768 维向量
比较向量来找出匹配项

Title: MTEB 平均任务得分，第 2 版对比第 1 版
代码，第 2 版: 78.68 points
代码，第 1 版: 68.76 points
多语言，第 2 版: 61.36 points
多语言，第 1 版: 61.15 points

注意事项：

• 上下文窗口是 8,192 个 token。
• 报告的分数来自全精度检查点，所以量化副本的得分可能不同。
• 原生向量有 768 个数字，支持截断到 128、256 和 512。
• License: apache-2.0。
• Cost to run: 没有提到，只需要你自己的硬件。
• Data it reaches: 你要生成向量的文字、图片、视频和音频。来源没有提到账号或外部服务。
• Not for: 来源没有说明。

Hugging Face 上的数据（2026年11月13日）

• 任务：feature extraction
• 框架：transformers
• 参数量：744M
• Weights: about 1.5 GB in BF16; about 372 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：503,609
• 点赞：3,347
• 许可证：apache-2.0
• Quantized versions: 139
• Fine-tunes: 170
• 标签：transformers, safetensors, embedding_gemma2, feature-extraction, embedding, sentence-transformers, multimodal-embedding, multimodal, vision, audio, video, image-feature-extraction

链接

• 模型：https://huggingface.co/google/embeddinggemma-2
• 文件：https://huggingface.co/google/embeddinggemma-2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download google/embeddinggemma-2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。