EmbeddingGemma 2 خدام

EmbeddingGemma 2 هو موديل Embedding أصلي متعدد الوسائط مفتوح المصدر من Google، مبني على معمارية Gemma 4، كيحوّل النصوص والكود والصور والفيديوهات والصوت لفضاء متّحد ديال المتجهات، وكيتيح البحث الدلالي بين الوسائط. EmbeddingGemma 2 مصمّم بشكل معياري، وبجميع الوسائط فيه غير 740M بارامتر، وكيعالج سياق حتى لـ 8K token، ومن بعد التكميم كيحتاج غير تقريباً 567MB من الذاكرة فالتليفون. EmbeddingGemma 2 هو أقوى موديل متعدد الوسائط للمتجهات بأقل من 1B بارامتر، ورفع أداء البحث فالكود بحوالي 10 نقط مقارنة مع الجيل السابق. كيناسب RAG على الجهاز، والبحث الدلالي، والبحث فالألبومات وغيرها.

البحث الدلالي بين الوسائط: كيحوّل النصوص والكود والصور والفيديوهات والصوت كاملين لنفس فضاء المتجهات، وكيتيح استعمال أي وسيط للبحث فوسائط أخرى.
التشغيل المحلي على الجهاز: بجميع الوسائط فيه غير 740M بارامتر، ومن بعد التكميم كيحتاج تقريباً 567MB من الذاكرة فـ Pixel 11 Pro، وكيقدر يدير الاستدلال فالتليفونات والحواسيب المحمولة بلا إنترنت.
خط أنابيب RAG محلي: كيشترك مع Gemma 4 فـ tokenizer ومرمّز الصوت، وبالجوج يمكن بناء نظام محلي للتوليد المعزّز بالاسترجاع متعدد الوسائط، مع الحفاظ على خصوصية البيانات.
البحث الدلالي فالألبومات والوسائط: فـ Instant Media Search داخل Google AI Edge Gallery، تقدر تدخل نص وتقلب على صور فالألبوم ديال التليفون، أو تصوّر شي حاجة بالكاميرا وتقلب على صور مشابهة.
تحديد اللحظات فالفيديو: Video Moments Finder كيدعم البحث بالنص أو الصوت، وكيعلّم أوتوماتيكياً على المقاطع اللي كتطابق المعنى فالفيديو.
محرك اتخاذ القرار فالحين: عبر MediaPipe Decision Task API، كيدير التصنيف والتوجيه والتنبؤ فالحين. فالعرض التجريبي، القرار الواحد كياخذ غير 43 ميلي ثانية، أسرع بزاف من LLM اللي كياخذ 640 ميلي ثانية.

تابعونا فـ微信 وردّو بكلمة “开源” باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر
فضاء موحّد للتضمينات متعددة الوسائط: الموديل كيتبع المسار التقني ديال سلسلة Gemini Embedding، وكيشفّر المدخلات من الوسائط المختلفة ففضاء واحد عالي الأبعاد، بحيث المحتويات المتقاربة دلالياً كتكون قريبة ففضاء المتجهات، والمحتويات اللي ما بينهاش علاقة كتكون بعيدة. وبهذا البحث بين الوسائط كيتحوّل لمسألة موحّدة ديال البحث على أقرب المتجهات، بلا حاجة لصيانة موديل مستقل لكل وسيط.
معمارية معيارية ديال المرمّزات وفاكّات الترميز: الموديل مبني على معمارية Gemma 4، ومركّب من ثلاثة أجزاء: 270M بارامتر للنواة النصية، و170M بارامتر للمرمّز البصري، و300M بارامتر لمرمّز الصوت. الوحدات البصرية والصوتية يمكن تحميلها حسب الحاجة، وبهذا كاينين أربع صيغ للنشر: نص فقط، نص+صور (440M)، نص+صوت، وجميع الوسائط. فالمهام النصية ما كايناش تكلفة ذاكرة ديال الوحدات البصرية والصوتية.
مكوّنات مشتركة مع Gemma 4: EmbeddingGemma 2 وموديل التوليد Gemma 4 كيتقاسمو نفس tokenizer النصي ومرمّز الصوت، ويمكن ربطهم فخط أنابيب موحّد لـ RAG على الجهاز. EmbeddingGemma 2 كيتكلف بترميز الملفات المحلية متعددة الوسائط وتخزينها فالفهرس، وGemma 4 كيتكلف بالاستدلال على السياق من بعد الاسترجاع. والمكوّنات المشتركة كتنقص الاستهلاك الإجمالي للذاكرة فالنشر المشترك.
تعلّم التمثيلات Matryoshka والاقتطاع الديناميكي: الموديل مدرّب بـ MRL، وكيخرج متجهات من 768 بُعد، مع إمكانية اقتطاعها أثناء الاستدلال لـ 512 أو 256 أو 128 بُعد. ملي كتقتاطع لـ 256 بُعد، الأداء كيبقى تقريباً بلا نقصان، وتخزين قاعدة المتجهات يقدر ينقص حتى للسدس.
5. سياق طويل وتقسيم المدخلات الطويلة: الموديل كيدعم نافذة سياق من 8K token، يعني أربعة أضعاف الجيل السابق، ويقدر فمرة وحدة يعالج تقريباً 5.5 دقايق ديال الصوت، أو 29 صورة، أو 58 إطار فيديو، أو خليط متداخل من هاد المحتويات. والمدخلات النصية كتدعم حتى هي بادئات المهام، باش نفس النص يقدر ينتج تمثيلات مختلفة حسب المهمة.

تحميل أوزان الموديل: خذ ملفات موديل google/embeddinggemma-2 من Hugging Face أو Kaggle، وإلى بغيتي نسخة محسّنة للجهاز تقدر تمشي لصفحة LiteRT Community.
اختيار إطار التشغيل: تقدر تحمل الموديل مباشرة باستعمال أدوات معروفة بحال transformers وsentence-transformers وMLX وvLLM وllama.cpp وSGLang وOllama وLM Studio وغيرها.
كتابة كود الاستدلال: باستعمال sentence-transformers كمثال، من بعد تحميل الموديل استعمل prompt_name="SearchQuery" و"Document" لترميز الاستعلام والوثيقة، ومن بعد عيّط على similarity() لحساب تشابه المتجهات.
بناء نظام الاسترجاع: خزّن الـ embedding الناتج فقاعدة بيانات للمتجهات، بحال Qdrant، وبهذا تقدر تدير البحث الدلالي، وفهرسة مستودعات الكود، أو البحث متعدد الوسائط.
النشر على الجهاز: فالمحمول تقدر تستعمل Google AI Edge MediaPipe لإدماج مهام التضمين والاسترجاع واتخاذ القرار مباشرة، أو تستعمل LiteRT للتكامل المخصص. وفالمتصفح يمكن التشغيل عبر transformers.js / WebGPU.
بناء RAG محلي: استعمله مع Gemma 4، بحيث EmbeddingGemma 2 مسؤول على استرجاع الملفات المحلية، وGemma 4 مسؤول على الاستدلال على السياق، والمكوّنات المشتركة بيناتهم كتنقص الاستهلاك الإجمالي للذاكرة.

توحيد أصلي لجميع الوسائط: موديل واحد كيغطي النص والكود والصور والفيديو والصوت، وكيحوّلهم كاملين لنفس فضاء المتجهات، عوض الحلول القديمة اللي كتجمع موديل لكل وسيط.
خفيف بزاف وقابل للتشغيل على الجهاز: بجميع الوسائط فيه غير 740M بارامتر، ومن بعد التكميم كيحتاج تقريباً 567MB من الذاكرة فـ Pixel 11 Pro، وكيقدر يدير الاستدلال متعدد الوسائط بلا إنترنت فالتليفون.
أقوى أداءً فالحجم نفسه: هو أقوى موديل Embedding متعدد الوسائط بأقل من 1B بارامتر، وحتى بعض المهام كيتفوق فيها على موديلات متخصصة أكبر منو بأكثر من الضعف.
قفزة كبيرة فمعالجة الكود: نقطة البحث فالكود طلعات بحوالي 10 نقط مقارنة مع الجيل السابق، وهاد الشي كيجعلو مناسب بزاف لفهرسة مستودعات الكود المحلية وللبحث ديال coding agent.
تحميل معياري حسب الحاجة: المرمّزات البصرية والصوتية يمكن فصلها بشكل مستقل، ومهام النص كتحتاج غير 270M بارامتر، بلا تكلفة ذاكرة ديال الوسائط اللي ما محتاجاهاش.
تكلفة تخزين منخفضة: بفضل تعلّم التمثيلات Matryoshka، يمكن اقتطاع المتجهات ذات 768 بُعداً حتى لـ 128 بُعد، وتخزين قاعدة المتجهات يقدر ينقص حتى للسدس.
دعم السياق الطويل: نافذة السياق ديال 8K token كتمثل أربعة أضعاف الجيل السابق، وكتعالج فمرة وحدة تقريباً 5.5 دقايق ديال الصوت أو 29 صورة.
تكامل طبيعي مع Gemma 4: كيتقاسم معاه tokenizer ومرمّز الصوت، وبالجوج يمكن بناء RAG محلي باستهلاك إجمالي أقل للذاكرة.

الموقع الرسمي للمشروع: https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
مستودع النماذج فـ HuggingFace: https://huggingface.co/google/embeddinggemma-2
الورقة التقنية: https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2

البحث الدلالي متعدد الوسائط على الجهاز: قلب فمكتبة الوسائط المحلية ديال ألبوم التليفون باستعمال النص أو الصور اللي تصوّرات دابا، وكلشي كيتم بلا إنترنت وبلا رفع البيانات الخاصة.
البحث فمحتوى الفيديو وتحديد اللحظات: قلب بالنص أو الصوت داخل تسجيلات المراقبة، أو الدروس، أو اجتماعات مسجّلة، باش تلقى بسرعة المقطع المطلوب، بحال مشهد “سلحفاة بحرية كتاكل”، بلا ما تبقى تقلب إطار بإطار.
قاعدة معرفة محلية لـ RAG: جمعو مع Gemma 4 لبناء نظام RAG خدام بلا إنترنت، وفهرسو الوثائق والصور والتسجيلات الصوتية المحلية بشكل موحّد. هاد الشي مناسب للشبكات الداخلية ديال الشركات والبيئات الحساسة اللي ما يمكنش ترفع البيانات للسحابة.
الفهرسة الدلالية لمستودعات الكود والبحث ديال Agent: بنِ فهرس متجهات لمستودع الكود المحلي باش تدعم البحث الدلالي ديال coding agent، مع تحسن نقطة البحث فالكود بحوالي 10 نقط مقارنة مع الجيل السابق.