740M รันบนมือถือ Google EmbeddingGemma 2 ค้นหาข้อความ รูปภาพ และเสียงวิดีโอได้ในครั้งเดียว

动察 Beating ข่าวด่วน AI，Google DeepMind เปิดซอร์ส EmbeddingGemma 2 โมเดลมีเพียง 740 ล้านพารามิเตอร์ สามารถประมวลผลข้อความ โค้ด รูปภาพ วิดีโอ และเสียงได้โดยตรง และนำทั้งหมดใส่ในพื้นที่เวกเตอร์เดียวกันเพื่อค้นหาและ RAG EmbeddingGemma รุ่นก่อนหน้าประมวลผลได้เฉพาะข้อความ

โมเดลยังสามารถโหลดเฉพาะส่วนที่ต้องการได้ เมื่อประมวลผลเฉพาะข้อความและโค้ดมี 270 ล้านพารามิเตอร์ เมื่อเพิ่มการมองเห็นเป็น 440 ล้าน และเมื่อโหลดทั้งหมดเป็น 740 ล้าน Google ทดสอบบน Pixel 11 Pro หลังควอนไทซ์ เวอร์ชันข้อความใช้หน่วยความจำที่ใช้งานอยู่ต่ำสุดประมาณ 191MB เวอร์ชันเต็มประมาณ 567MB คอนเท็กซ์เพิ่มจาก 2K ในรุ่นก่อนหน้าเป็น 8K สามารถประมวลผลเสียงได้สูงสุดประมาณ 5.5 นาที รูปภาพ 29 รูป หรือวิดีโอ 58 เฟรมในครั้งเดียว

การค้นหาโค้ดพัฒนาขึ้นชัดเจนที่สุด คะแนน MTEB Code เพิ่มจาก 68.76 ในรุ่นก่อนหน้าเป็น 78.68 ส่วนข้อความหลายภาษายังคงใกล้เคียงเดิม จาก 61.15 เป็น 61.36 โมเดลยังรองรับการบีบอัดเวกเตอร์ 768 มิติเริ่มต้นลงเหลือ 512, 256 หรือ 128 มิติ ต่ำสุดสามารถลดพื้นที่จัดเก็บเวกเตอร์เหลือหนึ่งในหก

สัญญาอนุญาตก็ผ่อนปรนขึ้นด้วย EmbeddingGemma รุ่นก่อนหน้าใช้ข้อกำหนด Gemma ของ Google เอง ส่วน EmbeddingGemma 2 เปลี่ยนเป็น Apache 2.0 และ Gemma 4 ที่ Google เปิดตัวในปีนี้ก็ใช้ Apache 2.0 เช่นกัน โมเดลเปิดล่าสุดหลายรุ่นเป็นมิตรต่อการใช้งานเชิงพาณิชย์และการพัฒนาต่อยอดมากขึ้นอย่างชัดเจน