191 мегабайттық мәтін өзегі сыналды: EmbeddingGemma 2 смартфонға арналған

Google сынағында EmbeddingGemma 2 моделінің квантталған мәтін өзегі Google Pixel 11 Pro телефонында шамамен 191 мегабайт жад қолданды. SiliconANGLE хабарлауынша, Google LLC 2026 жылғы 6 қазанда смартфонда іске қосуға болатын ашық мультимодальды модельді таныстырды. Жаңа нұсқа мәтінді ғана емес, сурет, аудио және видеоны да ортақ embedding кеңістігіне біріктіреді.

EmbeddingGemma 2 мәтіннен асып түсті

EmbeddingGemma желісінің алғашқы нұсқасы 2025 жылғы қыркүйекте таныстырылып, тек мәтінмен жұмыс істеген. Енді модель мәтін, сурет, аудио мен видеоны бір кеңістікте ұсына алады. Бұл әртүрлі мазмұнды өзара байланыстырып іздеуге мүмкіндік береді.

Мысалы, осы модельге негізделген қолданба дауыстық жазбадағы мазмұнға сәйкес келетін сәтті видеодан таба алады. Мұндай іздеу кезінде дерек телефоннан шықпайды. Google DeepMind зерттеу инженерлері Сахил Дуа мен Энрике Шехтер Вераның мәліметінше, әзірлеушілер алғашқы модельді 20 миллионнан астам рет жүктеген.

Жаңа нұсқа Google сәуірде шығарған Gemma 4 архитектурасына құрылған және 740 миллион параметрден тұрады. Өсімнің басым бөлігі сурет пен аудионы өңдейтін бөліктерге тиесілі. Тек мәтінмен жұмыс істейтін қолданбалар бұл бөліктерді қоспай пайдалана алады.

Смартфондағы жад шығыны

Google квантталған нұсқаны Google Pixel 11 Pro телефонында сынаған. 270 миллион параметрлі мәтін өзегі шамамен 191 мегабайт жад пайдаланған. Бұл көрсеткіш бүкіл мультимодальды модельге емес, оның мәтіндік бөлігіне қатысты.

Қолданба модельдің жауабын да сақтауы керек. Әр embedding — 768 саннан тұратын тізім, ал индекске қосылған әр фото, видео үзіндісі немесе құжат үшін тағы бір тізім жасалады. Мұндай деректер құрылғыдағы векторлық дерекқорға жиналады.

Матрешка көрінісін үйрену (Matryoshka Representation Learning) деп аталатын тәсіл әзірлеушілерге тізімді 128 санға дейін қысқартуға мүмкіндік береді. Соның арқасында сақтауға қажет орын алты есеге дейін азаяды. Google әзірлеушілер нұсқаулығында өлшем 256 сан болғанда, сурет, видео және сөйлеуді іздеу сапасының шамамен 95 пайызы сақталатыны жазылған.

Іздеу мен әзірлеуге арналған мүмкіндіктер

Кодқа қатысты сынақта EmbeddingGemma 2 Massive Text Embedding Benchmark көрсеткішінің код бөлімінен 78.68 ұпай жинаған. Бұл алғашқы нұсқадан шамамен 10 ұпай жоғары. Google модельді код жазатын агенттерге арналған іздеу жүйелерін әзірлеушілерге ұсынып отыр, ал көптілді мәтін нәтижелері айтарлықтай өзгермеген.

Google-дың мәлімдеуінше, параметрі 1 миллиардтан аз мультимодальды embedding модельдерінің арасында жаңа нұсқа жетекші нәтиже көрсетеді. Компания оның сурет, видео және аудио тапсырмаларында өзінен екі еседен астам үлкен кейбір мамандандырылған модельдерден де озық екенін айтады.

EmbeddingGemma 2 Gemma 4-пен мәтін токенизаторын және аудио бөлігін ортақ пайдаланады. Сондықтан екі модельді құрылғыда бірге іске қосатын іздеу мен генерация жүйесіне жад аз қажет болады. Google-дың AI Edge Foresight кездесу қолданбасы оларды бірге қолданады. AI Edge Gallery демонстрациялық қолданбасындағы Video Moments Finder видео ішіндегі көріністі жазбаша немесе дауыстық сұраумен табады.

Модель салмақтары қазір Hugging Face пен Google Kaggle платформаларында Apache 2.0 лицензиясымен қолжетімді, ол коммерциялық пайдалануға рұқсат береді. Google модель Gemini Enterprise Agent Platform жүйесіндегі Model Garden каталогына кейінірек қосылатынын хабарлады. Қазір оның салмақтары vLLM, llama.cpp және Ollama сияқты ашық құралдармен жұмыс істейді.

Тақырып бойынша оқыңыз

• Мыңдаған үлгі мен 20-дан астам модель: Gamma 5 жаңарды
• TikTok-та өнімді бір рет басып сатып алуға болады: AI көмекшісі іске қосылады
• Meta жасаған 5 000 Muse Home Link тегін таратылады: Muse Gadgets не ұсынады

Дереккөз: siliconangle.com