Kisebb modellt mutatott be a Google, ami legyőzi a riválisokat

A Google bemutatta az EmbeddingGemma 2-t, egy nyílt forráskódú modellt, amely szöveget, képeket, videót, hangot és kódot alakít numerikus vektorokká. A 740 millió paraméteres modell a Google állítása szerint a legkompaktabb a maga nemében, és a multimodális embedding benchmarkokon felülmúlja a nála kétszer nagyobb riválisokat is — írja a The Decoder.

Az EmbeddingGemma 2 78,68-as pontszámot ért el a Massive Text Embedding teljesítményteszt (Code) teszten, ami közel 10 pontos ugrás az előd 68,76-os eredményéhez képest. Ezzel a teljesítménnyel a sokkal nagyobb modellekkel azonos szinten van.

A modell API-kulcs nélkül futtatható helyben, böngészőben, WebGPU-n keresztül. Egy lekérdezés nagyjából 20–70 ezredmásodpercet vesz igénybe, mindössze körülbelül 191 MB RAM-ot igényel, és akár hatszorosára csökkenti a helyi vektoradatbázis tárolási igényét. Csak szöveges feladatokhoz egy 270 milliós paraméteres változat is elegendő.

A Gemma 4-hez hasonló kis nyílt modellekkel párosítva az EmbeddingGemma 2 képes offline RAG (Retrieval-Augmented Generation) alkalmazásokat futtatni anélkül, hogy adatokat küldene külső szerverekre. A modell súlyai és dokumentációja elérhető a Hugging Face-en és a Kaggle-ön.