En 30 segundos

Google publica un modelo de 740 millones de parámetros con licencia Apache 2.0, pensado para recuperar información en dispositivos.

Qué ha pasado

Google ha presentado EmbeddingGemma 2, que representa distintos tipos de contenido en un espacio numérico común. El modelo completo tiene 740 millones de parámetros y se publica bajo Apache 2.0.

Por qué importa

Permite plantear búsquedas entre formatos diferentes sin enviar necesariamente los archivos a un servicio remoto.

A quién afecta

Desarrolladores de búsqueda semántica, bibliotecas multimedia y recuperación de información en dispositivos.

Buscar por significado

Los vectores de representación permiten comparar el contenido de textos, imágenes, audio y vídeo. Google describe ejemplos como localizar un fragmento de vídeo a partir de una nota de voz o buscar grabaciones mediante texto.

Una arquitectura modular

El modelo incorpora una parte de texto y codificadores opcionales de imagen y audio. También permite reducir las dimensiones de sus vectores para ajustar el almacenamiento a cada aplicación.

El dispositivo sigue importando

El procesamiento local puede reducir transferencias de datos, pero no convierte automáticamente una aplicación en privada o segura. Memoria, velocidad y calidad dependen del equipo y de la configuración. IARADIA no ha ejecutado el modelo ni reproducido sus evaluaciones.

Contexto: qué es un modelo de embeddings

Un modelo de embeddings convierte un texto, una imagen o un audio en una lista de números que representa su significado. Dos contenidos parecidos quedan cerca en ese espacio, lo que permite buscar por significado y no solo por palabras exactas. Es la pieza que alimenta muchos sistemas RAG. Según Google, la primera versión de EmbeddingGemma superó los 20 millones de descargas.

Qué cambia frente a la primera versión

  • Multimodal: añade código, imágenes, vídeo y audio al texto.
  • Modular: 270 millones de parámetros para solo texto, más codificadores opcionales de visión (170 millones) y audio (300 millones).
  • Vectores recortables: de 768 a 512, 256 o 128 dimensiones, con hasta seis veces menos almacenamiento.
  • Contexto de 8.000 tokens, cuatro veces más que la primera versión: hasta 5,5 minutos de audio o 29 imágenes.
  • Código: Google cita una mejora de 68,76 a 78,68 puntos en MTEB Code.

Para quién importa y alternativas

Encaja con aplicaciones móviles o de escritorio que necesitan buscar en fotos, grabaciones o repositorios sin conexión. Google indica que, cuantizado en un Pixel 11 Pro, usa unos 191 MB de RAM activa para solo texto y unos 567 MB en versión multimodal. Al compartir tokenizador y codificador de audio con Gemma 4, ambos modelos pueden combinarse en un RAG local con menos memoria total. Google indica además que el modelo se basa en la misma tecnología que Gemini Embedding.

Límites y dudas

Las cifras de rendimiento y memoria son de Google y dependen del dispositivo y de la cuantización. Ejecutar en local reduce el envío de datos, pero la privacidad final depende de cómo la aplicación guarde los vectores y los archivos.

Fuentes y procedencia

Cómo verificamos y actualizamos este contenido