谷歌于10月7日正式推出EmbeddingGemma 2，该模型基于Gemma 4架构开发，采用Apache 2.0许可发布，总参数为7.4亿，将嵌入能力从文本扩展到代码、图像、视频、音频，可统一映射到同一个嵌入空间。
模型采用模块化设计，纯文本任务仅需2.7亿参数，可按需添加1.7亿参数的视觉编码器和3亿参数的音频编码器。借助Matryoshka表示学习，开发者可将输出向量从768维截断至512、256或128维，本地向量数据库存储和内存占用最高可缩减6倍。
量化后在谷歌Pixel 11 Pro上，纯文本权重仅需约191MB运行内存，完整多模态模型约需567MB。模型配备8K Token上下文窗口，比初代大4倍，可在本地处理最长5.5分钟音频、29张图像、58个视频帧；MTEB Code测试成绩从68.76提升至78.68。
开发者可在Hugging Face和Kaggle下载模型权重，通过Google AI Edge MediaPipe开发跨平台应用，或使用LiteRT、transformers.js、WebGPU等方案，并兼容transformers、Ollama、LMStudio等工具。