10 月 6 日，谷歌把 EmbeddingGemma 2 的完整权重挂上了 Hugging Face：一颗 740M 的全模态嵌入模型，文本、图像、音频共用同一个 768 维向量空间，官方口径下量化之后在 Pixel 11 Pro 上跑纯文本检索，活动内存约 191MB。权重仓库是 google/embeddinggemma-2，仓库地址：huggingface.co/google/embeddinggemma-2，下载不用申请，许可标注 Apache 2.0。
嵌入模型平时不出新闻。它是 RAG 系统的地基，检索质量的上限很大程度在选模型那一刻就被决定了，通常只有检索不对劲的时候，它才会被人想起来。也正因为如此，这个赛道每一次权重级别的发布都值得认真看：换嵌入模型不是改个配置的事，是全库重嵌的事。
谷歌这次发布有意思的地方在于，它把三件不太一样的事打包在了一起：模型做成四档加载，四种模态共用一个向量空间，许可证从上一代的门控加自定义协议换成了 ungated 加 Apache。而另一面，最能反映模型成色的分数表几乎原地踏步。一手信息来自 blog.google 的官方博客，这篇文章把这五个层面逐个拆开，先讲清楚它是什么，再讲清楚它到底强不强。
一颗 checkpoint，四档加载
先拆结构。EmbeddingGemma 2 基于谷歌 Gemma 4 架构，由三块组成：270M 的文本与代码骨干、170M 的视觉编码器、300M 的音频编码器，全量加起来 740M。设计上的聪明处在加载方式：同一个 checkpoint，可以按需只加载其中一部分，形成四档——270M 纯文本、440M 加视觉、570M 加音频、740M 全模态。
这解决的是嵌入模型的一个老矛盾：全模态能力强，但很多业务根本用不上图像和音频，为用不到的能力多付内存和推理成本并不划算。四档加载让纯文本场景只背 270M 的包袱，需要多模态再往上升档，同一套权重不用换模型。对部署方来说还有一层好处：同一个模型在不同业务线上可以按需裁剪，客服知识库走纯文本档，素材库检索走全模态档，向量化口径却是同一个。
四个模态的向量落在同一个 768 维空间里，这是这一代最大的卖点。传统做法里，文本检索用文本嵌入模型，图像检索用图像嵌入模型，两套向量、两套索引、两套维护成本；统一空间意味着一次入库，文搜图、文搜音视频都能直接查——用一句文字描述去搜图库，拿会议纪要的片段去搜录音录像，都不用额外搭桥。
上下文长度从一代的 2048 涨到 8192，正好 4 倍。对 RAG 分块的直接影响是：同样一篇长文档可以切成更少、更完整的块，语义信息被切断的概率随之下降，检索命中的片段更有上下文可用。权重文件是 1.49GB 的 bfloat16 safetensors，一张普通消费级显卡就装得下，下载门槛不高。
两个账本：内存的和存储的
端侧数字先标口径：以下全部来自谷歌自报，目前没有第三方复核。官方给的说法是，在 Pixel 11 Pro 上量化后跑纯文本，活动内存约 191MB；全模态约 567MB。如果数字属实，这意味着手机本地跑一颗多模态嵌入模型不再是概念——照片搜索、离线语音检索这类功能可以不经过云端，数据不出设备。这也解释了为什么同一天 LiteRT/MediaPipe 端侧框架就宣布了支持，谷歌显然是按「装进手机」的标准设计的这颗模型。当然，自报数字看个量级就好，具体到自己的设备表现如何，只能实测说话。
存储侧的账本更实在。EmbeddingGemma 2 支持 MRL 套娃表示——同一个向量像俄罗斯套娃一样，外层是完整的 768 维，往里裁可以取前 512 维、256 维直到 128 维，每一层都保留了可用的语义信息。768 维向量可以裁到 128 维，向量存储最多省 6 倍。
这笔账在 RAG 场景里很好算：百万级向量库，维度从 768 降到 128，索引占用的内存和磁盘直接除以 6，检索延迟也跟着降，向量库的选型压力都小一截。代价是裁维之后精度会有折损，裁得越狠折损越大，128 维够不够用要拿自己的数据验，一般从 512、256 逐步往下试，找到一个精度和存储都能接受的平衡点。好在裁维是在编码之后做的，同一份向量可以按需取不同粒度，试错成本不高。
分数表：值得高兴的只有代码那一行
最能说明这代定位的是基准分数，先把口径说死：以下全部是谷歌自报，没有独立评测，没有论文，MTEB 提交甚至未获接受，公开榜单上查不到成绩，读的时候按厂商宣传材料的规格来。
具体三项。代码检索是唯一显著提升项：MTEB Code 从一代的 68.76 涨到 78.68，加了 9.92 分，代码相关检索需求重的团队可以重点关注——代码库问答、报错信息检索这类场景是这一代实打实的进步。多语言文本较一代只涨了 0.21 分，约等于原地踏步；英文反而略有下降。语言覆盖是 100+ 语言。
把三项摊开，结论不难下：这不是一次冲榜式的换代。嵌入模型的迭代通常拿多语言和英文主榜说事，这一代在这两处基本持平甚至倒退，真正的升级发生在工程维度——四模态统一空间、端侧体积、上下文长度、许可证。
怎么读这个取舍？谷歌把「能力更强」换成了「更能装进设备、更好集成」。冲榜需要堆参数堆数据，装进设备要求的是小、快、省，两个方向天然打架，这一代明显押了后者。对在服务器上跑大规模文本检索的团队，这代未必比一代强多少；对要做端侧检索、多模态检索，或者被向量存储成本卡着的团队，这代给的恰好是他们要的东西。成色如何，最终还是要拿自己的语料跑一遍才知道，别拿厂商的分数当自己场景的结论。
许可证核真：实打实放开，带着两行小字
许可证是这次发布里实际变化最大的部分，逐条核过。
本站 10 月 9 日通过 Hugging Face API 实核仓库状态：gated 为 false，下载不排队不申请；license 标注 apache-2.0，写在仓库 metadata 和模型卡链接里；页面显示 21,148 次下载。对比一代 EmbeddingGemma 的 gated 下载加 Gemma 自定义许可，这一代是实打实的放开：研究不用说了，商用、闭源衍生、修改再分发，Apache 2.0 的标准条款都覆盖，拿去做商业产品的检索底座，法律层面没有额外门槛。
放开的含金量要放在上一代的对照下看。gated 意味着下载之前要先登录、申请、等审批，团队里每个要碰权重的人都要走一遍流程；Gemma 自定义许可则带着品牌标注、行为约束等附加条款，合规团队读起来要比 Apache 费劲得多。一代累计下载超过 2000 万，可见门槛没拦住需求，但从 gated 加自定义许可到 ungated 加 Apache 2.0，姿态上是质的区别。
放开里有两行小字要念。第一行，仓库根目录的 15 个文件清单里没有 LICENSE 文件，许可声明只存在于 metadata 和模型卡——法律效力上以声明为准，但对要做合规审查的团队来说，仓库里没有一份可下载的许可文本，法务过流程时多半会多问一句。第二行，模型卡仍保留一行「须遵守 Gemma Prohibited Use Policy」，也就是谷歌的禁用场景清单。这一行和 Apache 2.0 并存的确切边界，官方没有进一步解释，稳妥的读法是：许可证放开了常规使用，但谷歌保留了对禁用场景的主张。做常规业务无感，做敏感方向先读那份清单。
生态：发布当日全线接住
谷歌在嵌入模型上的生态号召力有底子，一代累计下载超过 2000 万，主流向量库和框架早有适配惯性。这一代的框架支持也快：transformers 5.19.0 在发布当日就给了支持，sentence-transformers 要求 6.1.0 以上；MLX、Ollama、llama.cpp、vLLM、LiteRT/MediaPipe 各端到位——服务器推理有 vLLM，个人电脑本地跑有 Ollama 和 llama.cpp，苹果芯片有 MLX，手机端侧有 LiteRT/MediaPipe，四条路都是现成的；向量库一侧 Qdrant 官方合作做了存储适配，微调有 Unsloth 的指南。
对个人开发者和中小团队来说，这个生态密度意味着上手成本很低：不写代码用 Ollama 拉下来就能跑，写代码两行加载，要定制就照着 Unsloth 的指南微调。嵌入模型这种基础设施类的组件，生态齐不齐往往比分数高不高分更影响选型决策。
上手有一个容易踩的坑要提前说：task prompt prefixes 是硬要求。查询要写成 task: {任务描述} | query: {内容}，文档要写成 title: {标题} | text: {正文}，检索、问答、事实核查、分类、聚类、语义相似度、代码检索七种任务各有前缀，漏掉了不会报错，只会静默掉精度——检索质量莫名偏低的排查清单里，这个要排第一位。这个坑一代就有人踩过，二代沿用同样口径，完整的前缀表和上手代码，本站的 嵌入模型升级 SOP 有整理。
上车之前
最后给决策视角。嵌入模型有个特殊属性：换模型等于全库重嵌，百万级文档重嵌一遍是真金白银的时间和算力，所以这类决策值得一次做对，而不是每出一颗新模型就跟一次。三句话概括：
正在选型的，注意各家分数口径互不相通，MTEB 各子榜不能跨表比排名，谁的自报分都别直接拿来当比较依据；EmbeddingGemma 2 的四模态统一空间和端侧体积是它独有的牌，纯文本检索的老牌选手各有各的长处，逐项对比本站的 开源 RAG 嵌入模型横评摆了同一张桌子。已经在用一代的，多语言和英文基本没变，升不升级看你要不要多模态和端侧，代码检索需求重的可以直接换。检索质量不对劲的，先加 reranker 再考虑换嵌入模型——前者分钟级接入，后者全库重嵌，先把便宜的路走完再动地基。
从零搭 RAG 的，本站 AI 知识库搭建 SOP 从平台选型讲起，嵌入模型选型是其中一环，配合分块策略和评估两篇食用更完整。
常见问题
Q1: EmbeddingGemma 2 可以商用吗？
A1: 可以。许可为 Apache 2.0，仓库 ungated，下载不用申请，商用、闭源衍生都在标准条款覆盖之内。但有两点小字：仓库根目录没有 LICENSE 文件，许可声明只在 metadata 和模型卡；模型卡保留一行须遵守 Gemma Prohibited Use Policy，敏感方向商用前先读那份清单。
Q2: 191MB 是什么口径的数字？
A2: 谷歌官方口径：Pixel 11 Pro 上量化后跑纯文本的活动内存约 191MB，全模态约 567MB。目前没有第三方复核，自己设备上的表现以实测为准，选型时把这个数字当量级参考，不要当承诺。
Q3: 这一代比一代强多少？
A3: 分指标看，且全部是谷歌自报、无独立评测：MTEB Code 从 68.76 到 78.68，涨 9.92 分，是唯一显著提升；多语言只涨 0.21；英文反而略降。升级重心在多模态、端侧和许可证，不在分数，冲着文本检索精度升级的可以先观望。
Q4: 怎么在本地跑起来？
A4: 服务器走 sentence-transformers 6.1.0 以上或 transformers 5.19.0 以上，推理引擎 vLLM、llama.cpp 都支持；个人电脑走 Ollama 最省事；苹果芯片走 MLX；手机端侧走 LiteRT/MediaPipe。注意查询和文档必须按七种任务加对应前缀，漏了不会报错，只会静默掉精度。
Q5: 它和 Qwen3-Embedding、BGE-M3 怎么选？
A5: 各家自报分数口径不同，不能跨表排名。EmbeddingGemma 2 的差异化在四模态统一向量空间、端侧 191MB 和 MRL 裁维省存储；纯文本长上下文或强中文场景，Qwen3 系列值得看；需要 dense、sparse、multi-vector 一模三吃的看 BGE-M3。逐项对比见本站横评篇。
互动
你的 RAG 库里现在跑的是哪颗嵌入模型？四模态统一空间和 191MB 端侧，哪个更戳你的场景？评论区聊聊。