先看证据
把机制串起来
嵌入模型把内容映射成向量，语义相近的内容通常在向量空间里更接近，因此可用向量检索做搜索、分类和 RAG。跨模态检索的关键不是把图片、声音“变成文字”，而是让不同模态的向量落在可比较的共同空间里。向量越短，存储和检索成本越低，但区分细节的能力可能下降。
文本/代码主干、视觉编码器和音频编码器按需组合，但不同配置输出的向量仍处在同一个 768 维空间，因此文本查询可以匹配由完整多模态配置编码的内容。官方模型卡列出均值池化及 512→768 投影：编码器先提取特征，再汇总为向量；文本输入还可加任务前缀，区分“查询”与“待检索文档”，图像、视频、音频不使用这些文本前缀。这样的模块化设计省去不需要的编码器开销，但完整多模态能力仍需加载额外权重，且不同模态共享同一上下文预算。MRL 允许截取向量前部维度以减少存储和检索成本，截断后做余
['端侧隐私搜索可只加载文本配置，约需191MB active RAM', '跨模态检索需确保查询与内容编码配置兼容', '低维向量适合文本索引；128维不宜默认用于多模态', '混合媒体输入共享8K预算，长音频或多帧视频需留意']
统一的不是输入，而是检索坐标
Google DeepMind于2026年10月6日发布EmbeddingGemma 2。这是一款基于Gemma 4、面向搜索、分类和RAG的开放权重嵌入模型，目标是在手机、笔记本等设备上把文本、图像、视频和音频编码进同一个768维向量空间。它不是负责生成答案的聊天模型，而是把内容变成可比较的向量，让检索系统能按语义相似度找资料。
变化不只在于输入多了媒体类型，而在于不同类型可以进入同一套检索坐标。文本查询可以匹配图像，文字也可以用来检索音频内容；一条包含文字、图片和演示视频的输入，还能得到代表组合内容的向量。对技术团队来说，这可能减少按模态拆分检索与索引流程的需要，但“统一空间”本身并不保证每种业务语义都能被同样准确地表达。
模块化让部署可选，也让边界更重要
完整模型有740M参数，但开发者不必每次都加载全部组件。文本与代码部分为270M参数，其中包括130M Transformer主干和140M embedder；视觉编码器为170M，音频编码器为300M，后两者可以按需选用。模型卡列出的配置包括文本/代码270M、文本加视觉440M、文本加音频570M，以及全模态740M。
这些配置仍映射到同一个向量空间，因此可以用文本配置编码查询，再匹配由完整配置编码的媒体内容。这种安排把部署成本与数据模态拆开考虑，适合设备能力有限、但索引中仍有多种内容的场景。使用时仍要区分“能共享坐标”和“能完整表达”：若任务依赖音频或视觉特征，省略相应编码器就不是无损的轻量化，而是放弃该输入能力。
分数显示进步，但不是一张通用排行榜
模型卡给出的768维全精度结果覆盖多种不同任务。读这些数字时，关键不是把它们排成一张总榜，而是看同类任务上的变化，以及它们各自代表什么能力。
768维全精度基准：MTEB多语言v2 61.36｜MTEB Code v1 78.68｜MIEB lite图像64.64｜MMEB v2 overall 59.01｜MSEB声音检索69.54｜MAEB音频49.39。
最清晰的纵向比较来自代码检索：EmbeddingGemma 2的78.68高于上一代的68.76，增加9.92分。多语言结果为61.36，材料称其质量保持稳定；其余数字来自不同基准和指标，不能直接横向比较。材料也指出，参数规模更大的模型仍在部分榜单领先，因此这些结果支持“这个小于1B参数的模型具备竞争力”，并不能证明它对所有多模态检索任务都是最佳选择。
本地运行和短向量都要算质量账
EmbeddingGemma 2的本地部署主张有具体的资源数据，但这些数字有明确条件。Google AI Edge团队报告，在Pixel 11 Pro上，量化后的文本配置active RAM约191MB，全模态配置约567MB；另一个部署结果是在MacBook M5 Pro GPU上，以70-token视觉预算处理单张图像约需37.3毫秒。这些是特定设备与设置下的测量，不应直接当作其他手机或线上服务的性能承诺。
模型还用Matryoshka Representation Learning支持把768维向量截到512、256或128维，再重新归一化后用于余弦相似度检索。维度变短能减少向量存储，128维相较768维最多可将存储降至六分之一；代价取决于任务。256维时，多语言分数从61.36降至60.41；128维时，MMEB从59.01降至45.65，说明极限压缩对多模态检索可能并不划算。
适合进入候选，不等于可以跳过评估
模型采用Apache 2.0许可，权重已在Hugging Face和Kaggle提供，材料还列出Ollama、llama.cpp GGUF和LiteRT等部署路径。对希望在设备侧生成向量、降低请求延迟或避免把原始内容发往云端的团队，这些路径降低了试用门槛。它解决的是嵌入推理可以在哪里运行，并不自动解决索引如何更新、检索结果如何评估，或整条RAG链路是否都留在本地。
实际评估应从目标查询和目标内容构成出发，而不是从“多模态”标签出发。先用文本配置测试基线，再针对真实需求决定是否加载视觉或音频模块；随后比较768维与候选截断维度下的召回质量、设备内存和端到端延迟。EmbeddingGemma 2的架构价值在于让这些取舍可以分层做，边界则是每省掉一个模块或一段向量，都需要用自己的检索任务确认是否省对了地方。