智東西（公眾號：zhidxcom）
作者 | 李水青
編輯 | 云鵬
智東西9月5日消息，今天，谷歌開源一款全新的開放式嵌入模型EmbeddingGemma。該模型以小博大，擁有3.08億個參數，專為端側AI設計，支持在筆記本、手機等設備上部署檢索增強生成（RAG）、語義搜索等應用程序。
EmbeddingGemma的一大特征是能生成隱私性良好的高質量嵌入向量，即使在斷網情況下也能正常運行，且性能直追尺寸翻倍的Qwen-Embedding-0.6B。
▲Hugging Face開源頁面截圖
Hugging Face地址：
//huggingface.co/collections/google/embeddinggemma-68b9ae3a72a82f0562a80dc4
據谷歌介紹，EmbeddingGemma具有以下幾大亮點：
1、同類最佳：在海量文本嵌入基準（MTEB）上，在500M以下的開放式多語言文本嵌入模型中，EmbeddingGemma排名最高。EmbeddingGemma基于Gemma 3架構打造，已針對100多種語言進行訓練，并且體積小巧，經過量化后可在不到200MB的內存上運行。
▲MTEB評分：EmbeddingGemma性能比肩比起尺寸大一倍的頂尖模型
2、專為靈活離線工作而設計：小巧、快速、高效，提供可自定義的輸出尺寸，以及2K令牌上下文窗口，可在手機、筆記本電腦、臺式機等日常設備上運行。它旨在與Gemma 3n配合使用，共同為移動RAG管道、語義搜索等解鎖新的用例。
3、與流行工具集成：為了讓用戶輕松開始使用EmbeddingGemma，它已經可以與用戶喜歡的工具一起使用，例如sentence-transformers、llama.cpp、MLX、Ollama、LiteRT、transformers.js、LMStudio、Weaviate、Cloudflare、LlamaIndex、LangChain等。
一、可生成優質嵌入向量，端側RAG生成答案更準確
EmbeddingGemma會生成嵌入向量，在本文語境中，它能將文本轉換為數值向量，在高維空間表征文本語義；嵌入向量質量越高，對語言細微差別與復雜特性的表征效果越好。
▲EmbeddingGemma會生成嵌入向量
構建RAG流程存在兩個關鍵階段：一是根據用戶輸入檢索相關上下文，二是基于該上下文生成有依據的答案。
為實現檢索功能，用戶可以先生成提示詞的嵌入向量，再計算該向量與系統中所有文檔嵌入向量的相似度——通過這種方式，能夠獲取與用戶查詢最相關的文本片段。
隨后，用戶可將這些文本片段與原始查詢一同輸入生成式模型（如Gemma 3），從而生成符合上下文的相關答案。例如，模型能理解你需要聯系木工的電話，以解決地板損壞的問題。
要讓這個RAG流程切實有效，初始檢索步驟的質量至關重要。質量不佳的嵌入向量會導致檢索到不相關的文檔，進而生成不準確或毫無意義的答案。
而EmbeddingGemma的性能優勢正體現于此——它能提供高質量的（文本）表征，為精準、可靠的端側應用提供核心支持。
二、以小博大，性能接近尺寸翻倍的Qwen-Embedding-0.6B
EmbeddingGemma提供了與其規模相適應的最先進的文本理解能力，在多語言嵌入生成方面具有特別強大的性能。
與其他流行嵌入模型的比較，EmbeddingGemma在檢索、分類和聚類等任務上表現出色。
EmbeddingGemma在Mean（Task）、Retrieval、Classification、Clustering等測試中全面趕超了同等尺寸的gte-multilingual-base模型。其測試成績也已接近尺寸達到其兩倍的Qwen-Embedding-0.6B。
▲EmbeddingGemma的測評情況
EmbeddingGemma模型擁有308M參數，主要由大約100M模型參數和200M嵌入參數組成。
為了實現更高的靈活性，EmbeddingGemma利用Matryoshka表征學習（MRL），在一個模型中提供多種嵌入大小。開發者可以使用完整的768維向量以獲得最佳質量，也可以將其截斷為較小的維度（128、256或512），以提高速度并降低存儲成本。
谷歌在EdgeTPU上將嵌入推理時間（256個輸入token）縮短至<15ms，突破了速度界限，這意味著用戶的AI功能可以提供實時響應，實現流暢、即時的交互。
利用量化感知訓練（QAT），谷歌在保持模型質量的同時，顯著將RAM使用量降低至200MB以下。
三、斷網可用，可在不到200MB內存上運行
EmbeddingGemma支持開發者構建靈活且注重隱私的設備端應用。它直接在設備硬件上生成文檔嵌入，幫助確保敏感用戶數據的安全。
它使用與Gemma 3n相同的分詞器進行文本處理，從而減少RAG應用的內存占用。用戶可使用EmbeddingGemma解鎖新功能，例如：
無需聯網即可同時搜索個人文件、文本、電子郵件和通知。
通過RAG與Gemma 3n實現個性化、行業特定和離線支持的聊天機器人。
將用戶查詢分類到相關的函數調用，以幫助移動智能體理解（用戶需求）。
下圖為EmbeddingGemma的交互式演示，它將文本嵌入在三維空間中可視化，該模型完全在設備上運行。
▲EmbeddingGemma的交互式演示（圖源：Hugging Face團隊的Joshua）
Demo體驗地址：
//huggingface.co/spaces/webml-community/semantic-galaxy）
結語：小尺寸大能力，加速端側智能發展
EmbeddingGemma的推出標志著谷歌在小型化、多語言和端側AI上的新突破。它不僅在性能上接近更大規模的模型，還兼顧了速度、內存和隱私的平衡。
未來，隨著RAG、語義搜索等應用不斷下沉至個人設備，EmbeddingGemma或將成為推動端側智能普及的重要基石。
