Google hat am 6. Oktober 2026 EmbeddingGemma 2 veröffentlicht. Das Modell erzeugt Vektordarstellungen (Embeddings) und verbindet neben Text auch Code, Bilder, Video und Audio in einem gemeinsamen Vektorraum. Dadurch lässt sich ein Videoclip mithilfe einer Sprachnotiz finden oder in Audioaufnahmen mit einer Textanfrage suchen.
Medien durchsuchen und bestimmte Stellen in Videos finden
Die zentrale Neuerung ist die Suche über unterschiedliche Inhaltstypen hinweg direkt auf dem Gerät. Laut Google ermöglicht die lokale Erzeugung von Embeddings eine vollständig offline nutzbare Suche, hilft beim Schutz privater Daten und verringert die Verarbeitungslatenz.
Zwei Varianten dieser Suche lassen sich in Google AI Edge Gallery ausprobieren. Mit Instant Media Search können Nutzer per Text oder Bild nach semantisch ähnlichen Einträgen in ihrer Medienbibliothek suchen. Video Moments Finder findet bestimmte Stellen in einem Video anhand von Text- oder Audioanfragen.
Modularer Aufbau und kleinere Ausgabevektoren
EmbeddingGemma 2 basiert auf der Architektur von Gemma 4 und hat als vollständiges Modell 740 Millionen Parameter. Google hat es unter der Lizenz Apache 2.0 veröffentlicht, die eine kommerzielle Nutzung erlaubt. Laut dem Unternehmen ist es modular aufgebaut: Für reine Textaufgaben reichen 270 Millionen Parameter, der optionale Bildencoder ergänzt 170 Millionen und der Audioencoder weitere 300 Millionen.
Auch die Größe der Ausgabevektoren lässt sich laut Google anpassen. Matryoshka Representation Learning ermöglicht es, die ursprünglichen 768 Dimensionen auf 512, 256 oder 128 zu verkürzen. Dadurch kann der Speicherplatz- und Arbeitsspeicherbedarf lokaler Vektordatenbanken um einen Faktor von bis zu sechs sinken.
Die Angaben zum Arbeitsspeicherbedarf beziehen sich auf das quantisierte Modell auf einem Google Pixel 11 Pro. Dort benötigen die Gewichte der Textvariante laut Google ungefähr 191 MB aktiven RAM; für das vollständige multimodale Modell nennt das Unternehmen ungefähr 567 MB.
Das Kontextfenster umfasst laut Google 8K Token und ist damit viermal so groß wie bei EmbeddingGemma 1. Auf lokaler Hardware kann das Modell bis zu 5,5 Minuten Audio, 29 Bilder oder 58 Videoframes verarbeiten. Es unterstützt außerdem Eingaben, in denen sich verschiedene Inhaltstypen abwechseln.
Höhere Punktzahl im Benchmark MTEB Code
Nach Angaben von Google erreicht das neue Modell bei mehrsprachigen Textaufgaben die Leistung seines Vorgängers. Im Benchmark MTEB Code meldet das Unternehmen eine Verbesserung um 9,92 Punkte: Das ursprüngliche EmbeddingGemma erzielte 68,76, EmbeddingGemma 2 erreicht 78,68.
Google sieht darin Vorteile für die lokale Indexierung von Quellcode und die semantische Codesuche. Als weiteres Einsatzgebiet nennt das Unternehmen die Suche nach Informationen, mit denen anschließend Programmieragenten arbeiten.
Lokales RAG mit Gemma 4 und Echtzeitentscheidungen
Laut Google lässt sich EmbeddingGemma 2 mit dem generativen Modell Gemma 4 für lokales multimodales RAG kombinieren, also für eine Generierung, die auf zuvor abgerufene Informationen zurückgreift. Das Embedding-Modell sucht dabei die Informationen für den generativen Teil. Beide Modelle teilen sich den Texttokenizer und den Audioencoder, was ihren gemeinsamen Speicherbedarf senken soll.
Diese Kombination lässt sich in der App Google AI Edge Foresight ausprobieren. EmbeddingGemma 2 übernimmt dort die lokale Dateisuche, während Gemma 4 die gefundenen Informationen im jeweiligen Kontext verarbeitet und daraus Schlussfolgerungen zieht.
Neben der Suche nennt Google die Möglichkeit, mit der MediaPipe Decision Task API Systeme für Entscheidungen in Echtzeit zu entwickeln. Der multimodale Kontext soll dabei für Klassifizierung, die Weiterleitung von Anfragen und Vorhersagefunktionen genutzt werden.
Modell herunterladen und in Anwendungen integrieren
Die Gewichte von EmbeddingGemma 2 sind auf Hugging Face und Kaggle verfügbar. Für den Betrieb auf Geräten optimierte Varianten gibt es auf Hugging Face in der LiteRT Community. Google plant außerdem die Bereitstellung im Gemini Enterprise Agent Platform Model Garden.
Für die Integration in Anwendungen bietet Google zwei Wege: MediaPipe enthält vorgefertigte Aufgaben für Embeddings, Suche und Entscheidungen, während LiteRT für eine individuelle Modellintegration vorgesehen ist. Für den Einsatz im Browser nennt das Unternehmen transformers.js oder WebGPU.
Zu den unterstützten Werkzeugen für den Betrieb des Modells gehören transformers und sentence-transformers sowie MLX, vLLM und llama.cpp. Weitere Möglichkeiten sind SGLang, Ollama und LMStudio. Für die Speicherung der Embedding-Vektoren nennt Google Qdrant. Wer das Modell für eigene Anwendungen feinabstimmen möchte, wird auf Anleitungen von Unsloth verwiesen.
