Google açıq EmbeddingGemma 2 modelini təqdim etdi: smartfonlar və süni intellekt agentləri üçün lokal multimodal axtarış

Google şirkəti EmbeddingGemma 2-ni təqdim edib — bu, mətnlər, kod, şəkillər və audio üzrə birbaşa istifadəçi cihazlarında lokal axtarış aparmaq üçün açıq və sürətli multimodal modeldir. O, faylları açar sözlərə və ya adlara görə deyil, məzmunun mənasına görə uyğunlaşdıra bilir. Bütün məlumatlar buluda göndərilmədən emal olunur ki, bu da tam məxfiliyə zəmanət verir.

Yeni nəsil model Gemma 4 arxitekturası əsasında hazırlanıb və Apache 2.0 kommersiya lisenziyası ilə yayılır. Onun əsas xüsusiyyəti modul quruluşu və maksimum 740 mln parametrə malik olmaqla yüksək enerji səmərəliliyidir. Tərtibatçılar yalnız lazım olan blokları qoşa bilərlər: mətn modulu cəmi 270 mln parametr, şəkil kodlayıcısı əlavə 170 mln, audio modulu isə əlavə 300 mln parametr tələb edir. Matryoshka Representation Learning texnologiyası ədədi vektorları dinamik şəkildə sıxmağa və verilənlər bazalarının tutduğu yaddaş həcmini 6 dəfəyədək azaltmağa imkan verir.

MTEB və MAEB ixtisaslaşdırılmış sınaqlarında EmbeddingGemma 2 ölçüsü 1 mlrd parametrədək olan modellər arasında ən yaxşı nəticələri göstərərək daha böyük sistemlərlə uğurla rəqabət aparıb. MTEB Code kod axtarışı sınağında yeni model göstəricini 68,76 baldan 78,68 bala qaldıraraq tərtibatçılar üçün süni intellekt köməkçilərinə əla həll olub. Bununla yanaşı, model smartfonlarda asanlıqla işə salınır. Məsələn, Pixel 11 Pro üzərində kvantlaşdırmadan istifadə edilən sınaqlarda mətn rejimi cəmi 191 Mb operativ yaddaş, multimodal rejim isə təxminən 567 Mb tələb edib.

Gemma 4 ilə ortaq tokenizator və audiokodlayıcı sayəsində EmbeddingGemma 2 cihazlarda sürətli və qənaətcil RAG sistemlərini işə salmağa imkan verir. Model transformers, llama.cpp, Ollama və LM Studio kimi standart alətlər vasitəsilə asanlıqla inteqrasiya olunur.

Modelin çəkilərini Hugging Face və Kaggle platformalarından yükləmək olar, yaxın zamanda isə onlar Gemini Enterprise Agent Platform-da əlçatan olacaq.