Google DeepMind、EmbeddingGemma 2を公開しマルチモーダル埋め込みに対応

Google DeepMindは、マルチモーダル対応の軽量埋め込みモデルであるEmbeddingGemma 2を公開しました。本モデルはGemma 4アーキテクチャをベースに構築されており、7億4000万（740M）のパラメータサイズに最適化されています。テキストだけでなく画像、動画、音声、ソースコードをネイティブに共通の埋め込み空間へマッピングできる点が最大の特徴です。

従来のEmbeddingGemmaは主にテキストの埋め込みに特化していましたが、新モデルではマルチモーダルデータの統合が可能になりました。Apache 2.0ライセンスの下で提供され、商用利用を含めた自由な活用が認められています。軽量なモデル設計により、クラウドを介さないコンシューマー向けハードウェア上でのデバイス内推論を前提とした構成となっています。

実装面では、プライバシーを優先するユースケースやオンデバイスでの検索、情報の整理に適した設計がなされています。各メディア形式を統一されたベクトルとして扱うため、テキストから動画を検索するようなクロスモーダルな処理も単一のモデルで完結します。利用にあたっては、推論実行時のメモリ消費量や対応するデータ形式の具体的な制約を確認する必要があります。