Google 发布 EmbeddingGemma 2，这是一款采用 Apache 2.0 许可的 740M 参数模型，可将文本、代码、图像、视频和音频映射到统一的 768 维嵌入空间。该模型基于 Gemma 4，采用模块化设计，包括 270M 参数文本组件，以及可选的 170M 参数视觉编码器和 300M 参数音频编码器。它支持 8K token 上下文窗口和套娃表示学习，可通过截断嵌入降低存储开销。报道显示，模型可通过 Hugging Face 和 LiteRT 获取；arXiv 元数据则单独列出了配套论文。