Google lança EmbeddingGemma 2, modelo multimodal de 740M para on-device

O lançamento

O Google anunciou o EmbeddingGemma 2, um modelo de embeddings aberto e leve, com 740 milhões de parâmetros, descrito pela empresa como o mais capaz para embeddings multimodais em dispositivos locais. Diferentemente da primeira versão, focada em texto, o novo modelo mapeia nativamente combinações de texto, código, imagens, vídeo e áudio em um espaço de embeddings unificado. Ele foi construído sobre a arquitetura Gemma 4 e lançado sob licença Apache 2.0, permissiva para uso comercial.

A primeira versão, lançada no ano anterior, superou as expectativas da empresa: foram mais de 20 milhões de downloads, com uso em buscas locais e pipelines de RAG (retrieval augmented generation) com foco em privacidade.

Características técnicas

O Google destaca que o EmbeddingGemma 2:

• É líder entre modelos sub-1B: alcança as melhores pontuações entre embedders multimodais com menos de 1 bilhão de parâmetros em benchmarks como MTEB Code e MAEB (Massive Audio Embedding Benchmark), igualando ou superando modelos maiores em tarefas de texto, visão e áudio. Em código, houve ganho de 9,92 pontos no MTEB Code (de 68,76 para 78,68), o que, segundo a empresa, o torna adequado para indexação local de bases de código, busca semântica de código e recuperação para agentes de programação.
• É modular: exige no mínimo 270M de parâmetros para cargas somente de texto, com codificadores opcionais de visão (170M) e áudio (300M) para suporte multimodal completo.
• Economiza armazenamento: com Matryoshka Representation Learning (MRL), os vetores de saída podem ser truncados dinamicamente de 768 para 512, 256 ou 128 dimensões, o que reduz em até 6x o armazenamento de bases vetoriais locais e o uso de memória.
• Roda em dispositivos: com quantização, em um Pixel 11 Pro, requer cerca de 191MB de RAM ativa para pesos somente de texto e ~567MB para o modelo multimodal completo.
• Tem contexto estendido: janela de 8 mil tokens (4x maior que a versão anterior), permitindo processar até 5,5 minutos de áudio, 29 imagens, 58 quadros de vídeo ou combinações entre esses formatos no hardware local.

A empresa afirma ainda que o modelo estabelece novo padrão de qualidade por parâmetro entre modelos sub-1B e supera alguns modelos especialistas com mais que o dobro do seu tamanho.

Casos de uso e ecossistema

A geração de embeddings no dispositivo busca garantir privacidade dos dados, reduzir latência e viabilizar busca e recuperação entre modalidades funcionando offline. Combinado com modelos generativos como o Gemma 4 - com o qual compartilha o tokenizador de texto e o codificador de áudio -, o EmbeddingGemma 2 permite pipelines de RAG multimodal locais com menor consumo total de memória.

Entre as demonstrações disponíveis no Google AI Edge Gallery estão busca semântica em bibliotecas de mídia (Instant Media Search), localização de momentos específicos em vídeo por consulta em texto ou áudio (Video Moments Finder) e o app Google AI Edge Foresight, que combina recuperação local de arquivos com raciocínio contextual do Gemma 4. Há também a MediaPipe Decision Task API para motores de decisão em tempo real com classificação e roteamento.

Os pesos estão disponíveis no Hugging Face e no Kaggle, com disponibilidade prevista no Gemini Enterprise Agent Platform Model Garden. O modelo é compatível com ferramentas como transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama e LMStudio, armazenamento via Qdrant, e há guias de fine-tuning com o Unsloth. O Google afirma ter trabalhado com parceiros para que o modelo funcione imediatamente nos ambientes de desenvolvimento.