Google meluncurkan EmbeddingGemma 2 sebagai model embedding multimodal yang ringan dan terbuka.

Model baru ini memetakan kombinasi teks, gambar, audio, dan video ke dalam satu ruang embedding terpadu.

Kemampuan dan Arsitektur Model

EmbeddingGemma 2 dibangun di atas arsitektur Gemma 4 dengan 740 juta parameter.

Model ini dirilis di bawah lisensi Apache 2.0 untuk memproses berbagai jenis konten.

Pembaruan ini mencakup peningkatan skor MTEB Code dari 68.76 menjadi 78.68.

Model tersebut juga menyediakan jendela konteks 8K-token untuk memproses data langsung di perangkat keras lokal.

Performa dan Ketersediaan Pengembang

Model ini mencocokkan performa teks multilingual EmbeddingGemma sambil meningkatkan kinerja kode, di mana skor MTEB Code miliknya meningkat sebesar 9,92 poin dari 68,76 menjadi 78,68.

Google menyatakan bahwa EmbeddingGemma 2 mencapai skor terkemuka di antara model embedding multimodal di bawah 1 miliar parameter untuk ukurannya di berbagai tolok ukur termasuk MTEB Code dan MAEB.

Peningkatan kinerja kode ini mendukung pengindeksan basis kode lokal, pencarian kode semantik, dan pengambilan agen pengkodean.

Dengan menghasilkan embedding secara lokal, model ini membantu menjaga privasi data dan mengurangi latensi pipa, serta memungkinkan pencarian lintas modal yang dapat beroperasi secara luring.

Bobot model tersedia di Hugging Face dan Kaggle, sementara ketersediaan Gemini Enterprise Agent Platform Model Garden akan segera hadir bagi para pengembang.

Model yang dioptimalkan untuk penggunaan pada perangkat juga tersedia melalui LiteRT Community di Hugging Face untuk integrasi kustom dan penyebaran.

Selain itu, pengembang dapat menggunakan alat seperti MediaPipe, transformers. js, WebGPU, vLLM, llama.

cpp, SGLang, Ollama, LMStudio, serta Qdrant untuk penyimpanan vektor.