EmbeddingGemma 2 Inafanya kazi

EmbeddingGemma 2 ni modeli ya asili ya embeddings za aina nyingi iliyotolewa kama chanzo huria na Google. Imejengwa kwenye usanifu wa Gemma 4 na huweka maandishi, msimbo, picha, video na sauti katika nafasi moja ya vekta, hivyo kuwezesha utafutaji wa maana kati ya aina mbalimbali za data. EmbeddingGemma 2 ina muundo wa moduli; modeli kamili ya aina nyingi ina vigezo milioni 740 pekee, muktadha wa tokeni 8K, na baada ya kubanwa hutumia takriban MB 567 tu za kumbukumbu kwenye simu. EmbeddingGemma 2 ni modeli yenye nguvu zaidi ya vekta za aina nyingi chini ya 1B, huku utafutaji wa msimbo ukiimarika kwa karibu pointi 10 ikilinganishwa na kizazi kilichotangulia. Inafaa kwa RAG kwenye kifaa, utafutaji wa maana na utafutaji wa albamu za picha.

Utafutaji wa maana kati ya aina mbalimbali: Huweka maandishi, msimbo, picha, video na sauti katika nafasi moja ya vekta, na kuruhusu aina yoyote ya data kutumika kutafuta aina nyingine.
Uendeshaji wa ndani kwenye kifaa: Modeli kamili ya aina nyingi ina vigezo milioni 740 pekee. Baada ya kubanwa, hutumia takriban MB 567 tu kwenye Pixel 11 Pro, hivyo inaweza kufanya makisio kwenye simu na kompyuta mpakato bila muunganisho wa intaneti.
Bomba la RAG la ndani: Inashiriki tokenizer na kisimbaji sauti na Gemma 4. Zikitumiwa pamoja, zinaweza kuunda mfumo wa ndani wa uzalishaji ulioimarishwa kwa utafutaji wa aina nyingi, huku zikilinda faragha ya data.
Utafutaji wa albamu ya picha na midia kwa maana: Katika Instant Media Search ya Google AI Edge Gallery, unaweza kuandika maandishi kutafuta picha kwenye albamu ya simu, au kupiga picha ya kitu kwa kamera na kutafuta picha zinazofanana.
Kutambua nyakati kwenye video: Video Moments Finder inaruhusu kutumia maandishi au sauti kama hoja na huweka alama kiotomatiki kwenye vipande vya video vinavyolingana kimaana.
Injini ya maamuzi ya wakati halisi: Kupitia MediaPipe Decision Task API, hufanya uainishaji, uelekezaji na utabiri wa wakati halisi. Katika onyesho, uamuzi mmoja ulichukua milisekunde 43 pekee, haraka zaidi kuliko milisekunde 640 za LLM.

Fuata akaunti kwenye WeChat na ujibu “开源” ili kujiunga na kikundi cha mawasiliano cha miradi ya AI ya chanzo huria
Nafasi ya pamoja ya embeddings za aina nyingi: Modeli inafuata mkondo wa kiteknolojia wa mfululizo wa Gemini Embedding kwa kusimba ingizo la aina tofauti katika nafasi moja ya vekta yenye vipimo vingi. Maudhui yenye maana zinazofanana huwa karibu katika nafasi ya vekta, huku maudhui yasiyohusiana yakiwa mbali. Utafutaji wa aina mbalimbali unaweza kurahisishwa kuwa tatizo la pamoja la kutafuta majirani wa karibu kwenye vekta, bila kudumisha modeli tofauti kwa kila aina ya data.
Usanifu wa moduli wa visimbaji na visimbuaji: Modeli imejengwa kwenye usanifu wa Gemma 4 na ina sehemu tatu: kiini cha maandishi chenye vigezo milioni 270, kisimbaji cha kuona chenye vigezo milioni 170 na kisimbaji sauti chenye vigezo milioni 300. Moduli za kuona na sauti zinaweza kupakiwa inapohitajika, hivyo uwekaji halisi una aina nne: maandishi pekee, maandishi+picha (440M), maandishi+sauti na aina zote. Kazi za maandishi hazihitaji gharama ya kumbukumbu ya moduli za kuona na sauti.
Vipengele vinavyoshirikiwa na Gemma 4: EmbeddingGemma 2 na modeli ya uzalishaji Gemma 4 vinatumia tokenizer moja ya maandishi na kisimbaji sauti kimoja. Zinaweza kuunganishwa kuwa bomba moja la RAG kwenye kifaa; EmbeddingGemma 2 husimba faili za ndani za aina nyingi na kuziweka kwenye faharasa, huku Gemma 4 ikifanya makisio juu ya muktadha uliopatikana. Kushiriki vipengele hupunguza matumizi ya jumla ya kumbukumbu wakati wa uwekaji wa pamoja.
Ujifunzaji wa uwakilishi wa Matryoshka na ukataji unaobadilika: Modeli hutumia mafunzo ya MRL na kutoa vekta zenye vipimo 768, ambazo zinaweza kukatwa wakati wa makisio hadi vipimo 512, 256 au 128. Ukikata hadi vipimo 256, utendaji karibu haupungui, huku nafasi ya kuhifadhi faharasa ya vekta ikipungua hadi moja ya sita ya awali.
5. Muktadha mrefu na kugawa ingizo refu: Modeli ina dirisha la muktadha la tokeni 8K, mara 4 ya kizazi kilichotangulia. Kwa ombi moja inaweza kuchakata takriban dakika 5.5 za sauti, picha 29, fremu 58 za video au mchanganyiko wa maudhui hayo. Ingizo la maandishi pia linaunga mkono viambishi awali vya kazi, hivyo maandishi yale yale yanaweza kutoa uwakilishi tofauti wa vekta kwa kazi tofauti.

Pakua uzani wa modeli: Pata faili za modeli za google/embeddinggemma-2 kutoka Hugging Face au Kaggle. Kwa toleo lililoboreshwa kwa vifaa, tembelea ukurasa wa LiteRT Community.
Chagua mfumo wa uendeshaji: Unaweza kupakia modeli moja kwa moja kupitia zana maarufu kama transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama na LM Studio.
Andika msimbo wa makisio: Kwa kutumia sentence-transformers, pakia modeli kisha tumia prompt_name="SearchQuery" na "Document" kusimba hoja na nyaraka mtawalia, halafu ita similarity() kukokotoa ufanano wa vekta.
Jenga mfumo wa utafutaji: Hifadhi embedding zinazozalishwa katika hifadhidata ya vekta, kama Qdrant, ili kuwezesha utafutaji wa maana, uorodheshaji wa hazina ya msimbo au utafutaji wa aina nyingi.
Uwekaji kwenye kifaa: Kwenye simu, unaweza kutumia Google AI Edge MediaPipe kuunganisha kazi za embedding, utafutaji na maamuzi moja kwa moja, au kutumia LiteRT kwa ujumuishaji maalum. Kwenye kivinjari, tumia transformers.js / WebGPU.
Jenga RAG ya ndani: Itumie pamoja na Gemma 4; EmbeddingGemma 2 ishughulikie utafutaji wa faili za ndani, na Gemma 4 ifanye makisio ya muktadha. Kushiriki vipengele hupunguza matumizi ya jumla ya kumbukumbu.

Umoja wa asili wa aina zote: Modeli moja inashughulikia maandishi, msimbo, picha, video na sauti, na kuviweka katika nafasi moja ya vekta, badala ya mbinu ya zamani ya kuunganisha modeli moja kwa kila aina.
Nyepesi sana na inaweza kuendeshwa kwenye kifaa: Modeli kamili ya aina nyingi ina vigezo milioni 740 pekee. Baada ya kubanwa, hutumia takriban MB 567 kwenye Pixel 11 Pro, hivyo makisio ya aina nyingi yanaweza kufanywa nje ya mtandao kwenye simu.
Utendaji bora kwa ukubwa sawa: Ni modeli yenye nguvu zaidi ya embeddings za aina nyingi chini ya vigezo 1B, na katika baadhi ya kazi huzidi hata modeli maalum zenye ukubwa zaidi ya mara mbili.
Uwezo wa msimbo umeimarika sana: Alama ya utafutaji wa msimbo imeongezeka kwa karibu pointi 10 ikilinganishwa na kizazi kilichotangulia, na kuifanya ifae sana kwa uorodheshaji wa hazina za ndani za msimbo na utafutaji wa coding agent.
Upakiaji wa moduli unapohitajika: Visimbaji vya kuona na sauti vinaweza kuondolewa kwa kujitegemea. Kazi za maandishi zinahitaji vigezo milioni 270 pekee, bila gharama ya kumbukumbu ya aina zisizohitajika.
Gharama ndogo ya kuhifadhi: Kwa kutumia ujifunzaji wa uwakilishi wa Matryoshka, vekta zenye vipimo 768 zinaweza kukatwa hadi vipimo 128, na hifadhi ya faharasa ya vekta inaweza kupungua hadi moja ya sita ya awali.
Msaada wa muktadha mrefu: Dirisha la muktadha la tokeni 8K ni mara 4 ya kizazi kilichotangulia, na kwa ombi moja inaweza kuchakata takriban dakika 5.5 za sauti au picha 29.
Ushirikiano wa asili na Gemma 4: Zinashiriki tokenizer na kisimbaji sauti, hivyo matumizi ya jumla ya kumbukumbu huwa madogo zinapotumiwa pamoja kujenga RAG ya ndani.

Tovuti rasmi ya mradi：https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
Hifadhidata ya modeli ya HuggingFace：https://huggingface.co/google/embeddinggemma-2
Karatasi ya kiteknolojia：https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2

Utafutaji wa maana wa aina nyingi kwenye kifaa: Tumia maandishi au picha zilizopigwa na kamera kutafuta midia ya ndani katika albamu ya simu, yote bila mtandao na bila kupakia data ya faragha.
Utafutaji wa maudhui ya video na kutambua nyakati: Katika video za ulinzi, masomo ya mtandaoni au rekodi za mikutano, tumia maandishi au sauti kutafuta haraka kipande kinacholengwa, kama picha ya “kobe wa baharini akila”, bila kutafuta mwenyewe fremu baada ya fremu.
Maktaba ya maarifa ya RAG ya ndani: Jenga mfumo wa RAG wa nje ya mtandao pamoja na Gemma 4, na uorodheshe kwa pamoja nyaraka, picha na sauti za ndani. Inafaa kwa intraneti za kampuni na mazingira yenye taarifa za siri yasiyoweza kutumia huduma za wingu.
Uorodheshaji wa kimaana wa hazina ya msimbo na utafutaji wa Agent: Unda faharasa ya vekta kwa hazina ya ndani ya msimbo ili kusaidia utafutaji wa msimbo kwa maana wa coding agent. Alama ya utafutaji wa msimbo imeongezeka kwa karibu pointi 10 ikilinganishwa na kizazi kilichotangulia.