740 миллион параметрі бар EmbeddingGemma 2 мәтін мен медианы біріктіреді

Дауыстық жазбадағы сөзбен видеодан керекті сәтті іздеу енді бір модельдің көмегімен орындала алады. Google бүгін 740 million параметрі бар EmbeddingGemma 2 моделін таныстырды: ол мәтін, код, сурет, видео мен аудионы ортақ embedding кеңістігіне біріктіреді. Бұл мүмкіндіктер іздеу мен деректі құрылғының өзінде өңдеуге жол ашады.

EmbeddingGemma 2 не ұсынады

Алдыңғы EmbeddingGemma нұсқасы 20 million-нан астам рет жүктелген. Google мәліметінше, әзірлеушілер оны құрылғыдағы іздеу құралдары мен деректі іздеп алуға арналған жүйелерді жасауға пайдаланған. Жаңа нұсқа мәтінмен шектелмей, код пен медианың бірнеше түрін бір ортақ кеңістікте байланыстырады.

Модель Gemma 4 архитектурасына негізделген және Apache 2.0 лицензиясымен шығарылды. Google оны құрылғыда жұмыс істеуге оңтайландырған. Құрылғының өзінде embedding жасау деректің құпиялығын сақтауға көмектесіп, өңдеу барысындағы кідірісті азайтады. Мұндай іздеу интернетке қосылмай-ақ жұмыс істей алады.

Құрылғыдағы іздеу мүмкіндіктері

EmbeddingGemma 2 мәтіндік сұрау арқылы аудиожазбалардан қажетті бөлікті табуға немесе дауыстық жазбаға сүйеніп видеодан үзінді іздеуге көмектеседі. Модель сурет пен мәтін арқылы медиа кітапханадан мағынасы сәйкес материалдарды да іріктей алады. Google ұсынған қолдану үлгілеріне видеодағы сәттерді іздеу және файлдардан ақпарат алу кіреді.

Модельдің контекстік терезесі 8K токенге жетеді. Google дерегінше, ол құрылғыда 5.5 минутқа дейінгі аудионы, 29 суретті, 58 видео кадрды немесе олардың аралас нұсқаларын өңдей алады. Кодпен жұмыс сапасы да жақсарған: MTEB Code бағалауында нәтиже 68.76-дан 78.68-ге көтеріліп, өсім 9.92 балл болды.

Жадты үнемдеп жұмыс істейді

Әзірлеушілер модельдің шығыс векторларын 768 өлшемнен 512, 256 немесе 128 өлшемге дейін қысқарта алады. Google мәліметінше, бұл жергілікті векторлық дерекқор мен жадты пайдалануды 6x-қа дейін азайтады. Кванттау қолданылғанда, Google Pixel 11 Pro құрылғысында мәтінге арналған нұсқаға шамамен 191 МБ белсенді RAM, ал толық мультимодальды модельге шамамен 567 МБ қажет.

EmbeddingGemma 2-ні Gemma 4-пен бірге қолдануға болады. Екі модель ортақ мәтін токенизаторы мен аудио кодтауышын пайдаланады, сондықтан әзірлеушілер оларды бір жүйеге біріктіре алады. Google модель салмақтарын Hugging Face пен Kaggle платформаларынан алуға болатынын хабарлады.

Тақырып бойынша оқыңыз

• 191 мегабайттық мәтін өзегі сыналды: EmbeddingGemma 2 смартфонға арналған
• Мыңдаған үлгі мен 20-дан астам модель: Gamma 5 жаңарды
• TikTok-та өнімді бір рет басып сатып алуға болады: AI көмекшісі іске қосылады

Дереккөз: blog.google