概要
Googleが発表したEmbeddingGemma 2は、テキスト、コード、画像、動画、音声を共通の768次元空間に統合する、軽量かつ高効率なマルチモーダル埋め込みモデルです。
詳細内容
Googleが発表したEmbeddingGemma 2は、1B以下のコンパクトなサイズでありながら、テキスト、コード、画像、動画、音声を単一の768次元ベクトル空間にマッピングできるマルチモーダル埋め込みモデルです。Apache 2.0ライセンスで公開されています。
主な特徴は以下の通りです：
1. **モジュール式設計**: 必要に応じてエンコーダーを選択ロード可能。テキスト/コードのみの270Mから、フルマルチモーダルの740Mまで、メモリ要件に合わせてスケールできます。
2. **優れたコード理解**: 前モデルと比較してMTEB (Code) で14%の精度向上を達成。ローカルコードベースのインデックス作成やエージェント検索に最適です。
3. **Matryoshka Representation Learning (MRL)**: ベクトルを128〜768次元に動的に切り詰め可能。256次元でも品質をほぼ維持しつつ、ストレージを3分の1に削減できます。
4. **広範なエコシステム対応**: `sentence-transformers`ライブラリ（v6.1.0以降）で即座に利用でき、vLLM、Hugging Face、Ollamaなどの主要ツールもサポートしています。
RAG（検索拡張生成）やマルチモーダル検索を低遅延かつ低コストで構築したい開発者にとって、強力な選択肢となります。