Google stellt EmbeddingGemma 2 vor. Das offene Modell wandelt Text, Bilder, Video, Audio und Code in Zahlenvektoren um, damit ähnliche Inhalte leichter gefunden und verglichen werden können. Mit 740 Millionen Parametern ist es laut Google das kompakteste Modell seiner Art und übertrifft laut Google auf mehreren Benchmarks teils doppelt so große Konkurrenzmodelle.
EmbeddingGemma 2 erreicht im Massive Text Embedding Benchmark (Code) einen Score von 78,68 - eine Verbesserung um fast 10 Punkte gegenüber dem Vorgänger (68,76). Damit liegt es auf dem Niveau deutlich größerer Modelle. | Bild: GoogleEs kann lokal ohne API‑Schlüssel betrieben werden. Pro Anfrage dauert es etwa 20 bis 70 Millisekunden per WebGPU im Browser. Das Modell benötigt nur rund 191 MB RAM und bietet bis zu sechsfache Speicherreduktion für lokale Vektordatenbanken. Für reine Textaufgaben reichen 270 Millionen Parameter.
In Kombination mit etwa Gemma 4 eignet es sich daher für Offline-RAG-Anwendungen mit Datenschutzfokus. Die Gewichte sind auf Hugging Face und Kaggle verfügbar, dazu gibt es einen Entwickler-Guide und Dokumentation.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
