EmbeddingGemma 2 точнее ищет по коду: плюс 9,92 пункта в тесте Google

Первая EmbeddingGemma работала с текстом. Новая модель поддерживает текст и код, а также изображения, видео и аудио. Для приложения с поиском по разным типам файлов Google предлагает одну модель с совместимыми векторами.

Для поиска по коду. Текстовая конфигурация содержит 270 млн параметров вместо 740 млн у полной модели. Веса доступны в репозитории `google/embeddinggemma-2` на Hugging Face под Apache 2.0.

Для запуска нужен sentence-transformers версии 6.1.0 или новее. Установка и загрузка без обработки изображений и аудио:

```bash pip install -U "sentence-transformers[image,audio,video]" transformers ```

```python from sentence_transformers import SentenceTransformer

model = SentenceTransformer( "google/embeddinggemma-2", config_kwargs={"vision_config": None, "audio_config": None}, ) query_vector = model.encode(query, prompt_name="SearchQuery") document_vector = model.encode(document, prompt_name="Document") ```

Google разделяет запросы и документы разными prompts: `SearchQuery` для того, что ищут, и `Document` для содержимого индекса. Например, описание нужной функции проходит как запрос, а файл с кодом как документ.

Меньше памяти. При кодировании можно задать `truncate_dim` и `normalize_embeddings=True`, чтобы сократить векторы с 768 измерений до 512, 256 или 128. У запросов и документов размерность должна совпадать.

В замере Qdrant от 6 октября сжатие 768-мерных векторов методом 1-bit TurboQuant сократило их RAM в 30 раз. На пяти текстовых наборах BEIR сохранилось 99% исходного качества первых десяти результатов поиска по метрике nDCG@10. Расчёт касается самих векторов и исключает графовый индекс, сопутствующие данные и оригиналы для повторной оценки результатов.

Контекст вырос в четыре раза до 8K токенов. Google указывает следующие пределы для разных типов входа:

- 5,5 минуты аудио. - 29 изображений. - 58 видеокадров.

После сжатия весов текстовая конфигурация на Pixel 11 Pro требует около 191 МБ активной RAM, полная мультимодальная конфигурация около 567 МБ. Это замер Google от 6 октября.

Первоисточник: [Google DeepMind, 6 октября 2026 года](https://deepmind.google/blog/embeddinggemma-2-an-open-lightweight-multimodal-embedding-model).

Все четыре конфигурации используют совместимое векторное пространство, поэтому добавление обработки изображений или аудио не требует пересчитывать готовые текстовые векторы.