Google DeepMind vydal EmbeddingGemma 2 s větším kontextem a lepším porozuměním kódu

Google DeepMind představil novou verzi svého otevřeného embedding modelu s názvem EmbeddingGemma 2. Model vyšel 6. října 2026 a navazuje na předchozí verzi, kterou si uživatelé stáhli více než 20 milionů krát. Za vývojem stojí Sahil Dua a Henrique Schechter Vera.

EmbeddingGemma 2 je postaven na architektuře Gemma 4 a jde o lehký multimodální model s 740 miliony parametrů. Oproti předchozí generaci nabízí výrazně rozšířené kontextové okno o velikosti 8 000 tokenů, což představuje čtyřnásobné zvětšení ve srovnání s první verzí EmbeddingGemma. Model díky tomu dokáže zpracovat podstatně delší texty a složitější dotazy najednou, což rozšiřuje možnosti jeho praktického nasazení.

Jednou z klíčových vlastností nové verze zůstává nízká náročnost na paměť. Textové váhy modelu vyžadují přibližně 191 MB RAM, zatímco plně multimodální verze modelu potřebuje kolem 567 MB RAM. Tyto parametry umožňují nasazení modelu i na zařízeních s omezenými výpočetními prostředky, včetně mobilních telefonů a edge zařízení, bez nutnosti připojení k serverům nebo cloudovým službám.

Nová verze modelu přináší znatelné zlepšení výkonu zejména v oblasti porozumění kódu. V benchmarku MTEB Code model dosáhl skóre 78,68 bodu, což představuje nárůst o 9,92 bodu oproti předchozímu skóre 68,76. Toto zlepšení může být využito například při vyhledávání v softwarových repozitářích nebo při práci s technickou dokumentací.

Mezi novými schopnostmi modelu je také vyhledávání videí na základě hlasových poznámek a vyhledávání v audio nahrávkách podle textového dotazu. Tyto funkce rozšiřují multimodální charakter modelu, který tak dokáže propojovat různé typy dat – text, zvuk a video – v rámci jednoho vyhledávacího systému.

Hlavním účelem EmbeddingGemma 2 je podle vývojářů zajištění ochrany soukromí uživatelských dat, snížení latence při zpracování dotazů a umožnění offline vyhledávání a získávání informací. Díky nízkým nárokům na paměť a výpočetní výkon může model fungovat přímo na zařízení uživatele, aniž by data musela být odesílána na vzdálené servery. To je výhodné zejména pro aplikace, kde je kladen důraz na soukromí nebo kde není k dispozici stabilní internetové připojení.

Model je vydán pod licencí Apache 2.0, což znamená, že je volně dostupný pro komerční i nekomerční využití bez výrazných omezení. Vývojáři a firmy jej mohou stáhnout z platforem Hugging Face a Kaggle, kde je k dispozici spolu s dokumentací a technickými podklady.

EmbeddingGemma 2 podporuje několik nástrojů a frameworků určených pro nasazení na různých typech zařízení. Patří mezi ně Google AI Edge MediaPipe, LiteRT, transformers.js a WebGPU. Tato kombinace nástrojů umožňuje vývojářům integrovat model do webových aplikací, mobilních aplikací i do specializovaného edge hardwaru.

Embedding modely, jako je EmbeddingGemma 2, slouží k převodu textu, obrazu nebo zvuku do číselné reprezentace, která zachycuje sémantický význam obsahu. Tyto reprezentace se následně využívají při vyhledávání informací, doporučovacích systémech nebo při budování systémů typu retrieval-augmented generation (RAG), kde model vyhledá relevantní informace z databáze předtím, než je předá většímu jazykovému modelu ke zpracování.

Vzhledem k úspěchu předchozí verze, která si získala širokou uživatelskou základnu s desítkami milionů stažení, se očekává, že i EmbeddingGemma 2 najde uplatnění napříč vývojářskou komunitou. Nízké nároky na paměť v kombinaci s rozšířeným kontextovým oknem a vylepšeným výkonem v oblasti kódu dělají z modelu atraktivní volbu pro vývojáře, kteří potřebují efektivní řešení pro lokální zpracování dat bez závislosti na cloudové infrastruktuře.

Google DeepMind tímto krokem pokračuje ve strategii zpřístupňování otevřených, lehkých modelů, které mohou běžet přímo na zařízeních uživatelů. Tento přístup je v souladu s rostoucím zájmem o technologie respektující soukromí a snižující závislost na neustálém připojení k internetu.