←事件详情

热点事件

DeepMind发布EmbeddingGemma 2

12 篇正式报道12 条事件动态更新于 10月7日 12:55

先了解这件事

AI 综述

2026年10月6日,Google DeepMind发布开放权重多模态嵌入模型EmbeddingGemma 2,可将文本、图像、视频帧和音频映射到统一向量空间,参数量740M。据Google Developers Blog介绍,文本权重在Google Pixel 11 Pro上仅需约191MB活跃内存,完整多模态模型约567MB,无需训练数据或微调即可作为端侧决策引擎,实现毫秒级零样本意图路由;Google AI Edge Gallery新增Instant Media Search和Video Moments Finder演示,未来数周内该模型将通过ML Kit以服务形式登陆Android并支持NPU加速。据Google DeepMind介绍,该模型采用Apache 2.0许可,在MTEB Code上从68.76提升到78.68,支持8K token上下文窗口,权重已在Hugging Face和Kaggle开放下载。10月6日,Georgi Gerganov宣布llama.cpp对EmbeddingGemma 2提供Day-0支持;10月7日,Simon Willison表示赞赏其采用

AI 根据公开报道生成

最新进展 · 正式报道

OpenAI 公开内部模型 722 篇数学手稿，称解决 500 个开放问题中的 90 个

事件进展

3 个已确认进展

  1. DeepMind发布EmbeddingGemma 2

    来源：Google Developers Blog

  2. llama.cpp 首日支持 EmbeddingGemma 2

    来源：Georgi Gerganov

  3. Simon Willison 赞赏 EmbeddingGemma 2 采用 Apache 2.0 许可

    来源：Simon Willison

报道与讨论时间线

按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。

10月7日

  1. Latent Space精选

    OpenAI 公开内部模型 722 篇数学手稿，称解决 500 个开放问题中的 90 个

    OpenAI 在公开 GitHub 仓库中发布了一批来自内部前沿模型的数学结果，称就发布方式咨询了高等研究院数学与 AI 独立顾问组。这批结果据称包含 722 篇手稿、归入 372 个相关结果族，来自约 4000 个研究问题的评估，每个结果平均消耗约三小时 ChatGPT Pro 思考算力，模型本身仍未发布。评论者提到其中包含快于 n log n 的整数乘法结果，以及 1994 年以来在 3D 中开放的弹性逆问题唯一性结果，并称部分结果涉及 Riemann、Hodge 与 BSD 的进展；有分析估计约 20% 的结果是反证或反例，也有人预计部分结果经不起审查。

  2. Simon Willison

    Simon Willison 评 EmbeddingGemma 2：Apache 2.0 许可对嵌入模型很重要

    Simon Willison 表示很欣赏 EmbeddingGemma 2 采用 Apache 2.0 许可。他认为嵌入模型不应使用闭源、专有的纯托管模型，因为应用往往要计算并存储成千上万甚至数百万条嵌入向量，一旦厂商停用该模型，用户就得付费重新计算这些已存储向量。他更愿意付费使用托管版本，同时保留在厂商停服时自行运行开放权重版本或另寻供应商的余地。

  3. The Decoder

    Google 发布 EmbeddingGemma 2 多模态嵌入模型

    Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为向量，参数量 740M，Google 称其在多模态嵌入基准上超过参数量两倍的竞品。该模型无需 API key 即可本地运行，浏览器中通过 WebGPU 单次查询约 20 至 70 毫秒，仅需约 191MB 内存，本地向量数据库存储最多减少六倍；纯文本任务可用 270M 参数版本。搭配 Gemma 4 等小型开源模型可离线运行 RAG 应用，权重已在 Hugging Face 和 Kaggle 发布，并附开发者指南与文档。

  4. MarkTechPost精选

    Google DeepMind 发布 EmbeddingGemma 2，740M 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。

  5. 9to5Google

    Google 发布 EmbeddingGemma 2 模型与 AI Edge Foresight Mac 笔记应用

    Google 发布 EmbeddingGemma 2 嵌入模型，可本地完成信息组织、搜索与关联，并推出 AI Edge Foresight Mac 应用演示其能力。该模型为 7.4 亿参数，基于 Gemma 4 架构，采用 Apache 2.0 许可；量化后在 Google Pixel 11 Pro 上纯文本权重约占 191MB 内存，完整多模态模型约 567MB。Foresight 可在会议中后台听取内容，把速记要点即时整理成完整笔记，转录与音频全部在设备本地处理，还能接入项目文件夹、参考资料、图表和日历进行问答检索。

  6. Georgi Gerganov

    llama.cpp 首日支持 EmbeddingGemma 2

    llama.cpp 首日支持 EmbeddingGemma 2 https://t.co/Gi4I3RNSXc

  7. Unsloth一手

    Google 发布 EmbeddingGemma 2 开源多模态嵌入模型，0.5GB 内存本地运行

    Google 发布 EmbeddingGemma 2，这是其首个原生多模态开源端侧嵌入模型，可在 0.5GB 内存下本地运行。该模型为 740M 参数、Apache 2.0 许可，由 270M 文本模型与 170M 视觉、300M 音频模块组合而成，将代码、图像、音频和视频统一到同一嵌入空间。Unsloth 提供了该模型的运行与训练支持，并附有 GGUF 与使用指南链接。

  8. Sundar Pichai精选

    Google 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google 发布 EmbeddingGemma 2，这是其首个开源的原生多模态嵌入模型，采用 740M 参数的轻量模块化设计，可处理文本、代码、图像、视频和音频任务。官方称其与 Gemma 4 搭配适合离线、隐私优先的 RAG，性能超过部分参数量两倍以上的专用模型，权重已在 Hugging Face 开放下载。

10月6日

  1. Google DeepMind一手

    Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的端侧多模态嵌入模型，原生将文本、图像、音频和视频映射到统一嵌入空间。它在 MTEB Code 上从 68.76 提升到 78.68，支持 8K token 上下文窗口，可处理约 5.5 分钟音频、29 张图像或 58 帧视频，并可通过 MRL 将向量从 768 维截断至 128 维。模型权重已在 Hugging Face 和 Kaggle 开放下载，支持 LiteRT、MediaPipe、transformers.js、vLLM、Ollama 等部署方式。

  2. Google Blog一手

    Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿，文本任务最低 2.7 亿参数，可选视觉（1.7 亿）和音频（3 亿）编码器。它支持 8K token 上下文窗口，是 EmbeddingGemma 1 的 4 倍，可处理约 5.5 分钟音频、29 张图片或 58 帧视频；借助 MRL 可将输出向量从 768 维截断至 512、256 或 128 维，最多减少 6 倍存储占用。在 MTEB Code 上得分从 68.76 提升至 78.68，模型权重已在 Hugging Face 和 Kaggle 开放下载。

  3. Google Developers Blog一手

    Google 发布 EmbeddingGemma 2 多模态嵌入模型

    Google 发布基于 Gemma 4 的 EmbeddingGemma 2，采用 Apache 2.0 许可，可将文本、代码、图像、视频和音频映射到统一的 768 维向量空间。模型支持模块化加载，参数量从纯文本与代码的 270M 到全模态的 740M，并借助 MRL 将维度截断至 128 维，在 bfloat16 精度下百万条 768 维向量约占 1.5 GB，截断到 128 维后仅需 250 MB。在 MTEB (Code) 上得分比 EmbeddingGemma 1 高 14%，同时新增图像、视频和音频检索能力。

  4. Google Developers Blog一手

    Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型

    Google DeepMind 发布开放权重多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频帧和音频映射到统一的向量空间，参数量 740M，文本权重在 Google Pixel 11 Pro 上仅需约 191MB 活跃内存，完整多模态模型约 567MB。该模型无需训练数据或微调即可作为端侧决策引擎，将用户输入直接与分类标签和描述匹配，实现毫秒级零样本意图路由。Google AI Edge Gallery 新增 Instant Media Search 和 Video Moments Finder 两个演示，Google AI Edge Foresight for Mac 也由 EmbeddingGemma 2 与 Gemma 4 驱动；未来数周内该模型将通过 ML Kit 以服务形式登陆 Android，并支持 NPU 加速。

关联事件

  1. 相关事件Meta发布开放权重模型Muse Spark Open
  2. 相关事件Mistral在Hugging Face发布Large 4权重
  3. 相关事件Nvidia发布Nemotron 3.5 Super VL与Bolt模型
  4. 相关事件DeepSeek发布DeepSeek-V4.1-Flash-1017