Google DeepMind 2026-yil 6-oktabrda EmbeddingGemma 2 ni eʻlon qildi — bu 740 million parametrli, ochiq vaznli multimodal embedding modeli boʻlib, matn, kod, rasm, audio va videoni 768 oʻlchovli bitta umumiy fazoda sonli vektorlarga aylantiradi. Model Gemma 4 arxitekturasiga asoslangan va tijoriy foydalanishga ruxsat beruvchi Apache 2.0 litsenziyasi ostida tarqatiladi — Googleʻning yozishicha, bu uni qurilmaning oʻzida ishlaydigan xulosa chiqarish uchun optimal qiladi.
Kompaniyaning rasmiy blogdagi eʻloni yangi modelning beshta asosiy xususiyatini sanaydi: oʻlchamiga nisbatan yetakchi sifat, modulli dizayn, xotirani tejash, qurilma uchun optimallashtirish va kengaytirilgan kontekst oynasi.
Benchmarklarda yetakchilik
EmbeddingGemma 2 Gemini Embedding modellaridagi texnologiyaga asoslangan boʻlib, Googleʻning taʻkidlashicha, bir milliarddan kam parametrli multimodal embedding modellari orasida oʻlchamiga nisbatan eng yaxshi sifatni koʻrsatgan — xususan, MTEB Code va MAEB benchmarklarida. Eng eʻtiborlisi — kod boʻyicha sifat: MTEB Code koʻrsatkichi 68,76 dan 78,68 ga koʻtarilgan, yaʻni 9,92 foiz punkt oʻsgan. Google buni mahalliy kod bazalarini indekslash, semantik kod qidiruvi va kodlash agentlari uchun maʻlumot olishda qoʻllash mumkinligini taʻkidlaydi.
Model rasm, video, hujjatlar va audio boʻyicha ham bir milliarddan kam parametrli modellarga yangi standart oʻrnatgan va baʻzi tor ixtisoslashgan modellardan ham ustun chiqqan — ularning oʻlchami ikki baravardan katta. Google toʻliq baholash natijalari va model maʻlumotlarini EmbeddingGemma 2 model kartasida eʻlon qilganini bildiradi.
Avvalgi versiya — EmbeddingGemma — oʻtgan yili isteʻmolchi apparatlarida toʻgʻridan-toʻgʻri axborotni tartiblash, qidirish va bogʻlash uchun yengil matnli embedding yechimi sifatida chiqqan edi. Googleʻning yozishicha, ishlab chiquvchilar hamjamiyati javobi kutilgandan yuqori boʻlgan: model 20 milliondan ortiq yuklab olingan va undan aqlli qurilmadagi qidiruv vositalari hamda maxfiylikka ustuvor RAG zanjirlarida foydalanilgan. Ikkinchi versiya aynan shu zaminga kod, rasm, video va audioʻni qoʻshgan holda chiqdi.
EmbeddingGemma 2 Gemma 4 bilan bir xil matn tokenizer va audio encoderʻni ishlatadi, shuning uchun ikki modelni bitta zanjirda birgalikda ishga tushirishda umumiy xotira sarfi kamayadi. Google generativ modellar — masalan Gemma 4 — bilan birlashtirilganda murakkab multimodal maʻlumotlarni tushunadigan, qurilmaning oʻzida ishlaydigan RAG zanjirlarini yaratish mumkinligini aytadi.
Qurilmaning oʻzida ishlash va maxfiylik
Model modulli tuzilishga ega: faqat matn bilan ishlash uchun 270 million parametr yetarli, toʻliq multimodal rejim uchun esa qoʻshimcha 170 million parametrli koʻrish va 300 million parametrli audio encoder qoʻshiladi. Kvantlash bilan Pixel 11 Proʻda matn ogʻirliklari faol holatda taxminan 191 MB operativ xotira isteʻmol qiladi, toʻliq multimodal model uchun esa bu koʻrsatkich taxminan 567 MB ni tashkil etadi.
Google DeepMindʻning taʻkidlashicha, EmbeddingGemma 2 bulutga bogʻlanmasdan kundalik qurilmalarda ishlaydigan qidiruv, yoʻnaltirish va maʻlumot olish tizimlarini yaratish imkonini beradi.
Embeddiglarni mahalliy yaratish maʻlumotlar maxfiyligini taʻminlashga yordam beradi, kechikishni kamaytiradi va butunlay oflayn ishlaydigan modal oʻrtasidagi qidiruv tizimlarini qurish imkonini ochadi.
Kontekst oynasi 8 ming tokenni tashkil etadi — bu birinchi versiyadan toʻrt baravar katta. Googleʻning bildirishicha, bunday oynaga 5,5 daqiqagacha audio, 29 ta rasm yoki 58 ta video kadr sigʻadi va bularning barchasi mahalliy apparatning oʻzida qayta ishlanadi. Amaliy misol sifatida kompaniya ovozli eslatma asosida kerakli video parchani topish yoki matn soʻrov boʻyicha bir necha soatlik audio yozuvlar ichidan izlashni keltiradi.
Vektor oʻlchamini moslash va xotira tejash
Matryoshka Representation Learning usuli ishlab chiquvchilarga chiqish vektorlarini 768 oʻlchovdan 512, 256 yoki 128 oʻlchovgacha dinamik qisqartirish imkonini beradi. Bu mahalliy vektor maʻlumotlar bazalarida 6 baravargacha xotira tejashni taʻminlaydi.
Ekotizim va mavjudlik
Model vaznlari Hugging Face va Kaggle platformalarida mavjud; Transformers, sentence-transformers, vLLM, llama.cpp, MLX, Ollama va SGLang kabi vositalar qoʻllab-quvvatlanadi. Vektorlarni saqlash uchun Qdrant mosligi koʻrsatilgan, nozik sozlash boʻyicha esa Unsloth yoʻriqnomasi eʻlon qilingan.
Qurilmada joylashtirish uchun Google AI Edge platformasining ikki yoʻlini taklif qiladi: tayyor embedding, qidiruv va qaror qabul qilish vazifalari uchun MediaPipe hamda maxsus integratsiya uchun LiteRT. Brauzerda transformers.js yoki WebGPU orqali ishlatish mumkinligi ham koʻrsatilgan. Hugging Faceʻdagi LiteRT hamjamiyati sahifasida qurilma uchun optimallashtirilgan modellar joylashgan. Google ishlab chiquvchilar uchun qoʻllanma, hujjatlar hamda xulosa chiqarish va nozik sozlash boʻyicha yoʻriqnomalarni eʻlon qilganini maʻlum qildi. Google shuningdek, AI Edge Gallery ilovasiga tez orada "Instant Media Search" va "Video Moments Finder" funksiyalari qoʻshilishini maʻlum qildi. Google DeepMindʻning model sahifasi EmbeddingGemma 2 ni bulutga bogʻliqliksiz kundalik qurilmalarda ishlaydigan qidiruv, yoʻnaltirish va maʻlumot olish tizimlari uchun moʻljallangan deb taʻriflaydi.