Google, 텍스트·영상·음성을 함께 검색하는 EmbeddingGemma 2 공개

Google이 10월 6일 기기 내 검색용 EmbeddingGemma 2를 Apache 2.0으로 공개했다. 7억4000만 파라미터 모델로 코드·이미지·영상·음성을 같은 임베딩 공간에 담는다. 회사에 따르면 Pixel 11 Pro에서 양자화한 전체 모델 가중치의 활성 RAM 요구량은 약 567MB다.

텍스트 전용 구성은 2억7000만 파라미터이며 비전 1억7000만·음성 3억 파라미터 인코더를 선택적으로 추가한다.

8K 토큰 문맥에서 음성 최대 5.5분, 이미지 29장, 영상 프레임 58개 또는 이들의 혼합 입력을 처리한다.

출력 벡터를 768차원에서 512·256·128차원으로 줄여 저장 공간과 메모리 사용량을 조절할 수 있다.

Google의 MTEB Code 평가 점수는 이전 모델 68.76에서 78.68로 올랐다.

가중치는 Hugging Face와 Kaggle에서 제공하며 Gemini Enterprise Agent Platform Model Garden 제공은 예고 단계다.

음성 메모로 영상 장면을 찾는 교차 검색이나 로컬 코드 검색을 오프라인 앱에 구현할 수 있다.