Was ist EmbeddingGemma 2?
EmbeddingGemma 2 ist ein offenes Embedding-Modell von Google DeepMind, veröffentlicht am 6. Oktober 2026 unter Apache 2.0. Embedding-Modelle verwandeln Inhalte in Vektoren, damit Software verwandtes Material für Suche und Retrieval-Augmented Generation (RAG) finden kann. Es baut auf Gemma 4 auf und bildet Text, Code, Bilder, Video und Audio in mehr als 100 Sprachen in einen gemeinsamen Raum mit 768 Dimensionen ab.
Es hat 740 Millionen Parameter in modularen Teilen: ein Textmodell mit 270 Millionen Parametern, einen Vision-Encoder mit 170 Millionen und einen Audio-Encoder mit 300 Millionen, und abgeschaltete Encoder werden gar nicht erst geladen. Laut Google braucht das quantisierte Modell auf einem Pixel 11 Pro etwa 191 MB aktiven RAM für Text und etwa 567 MB für alles. Eingaben teilen sich ein Fenster von 8.192 Tokens, genug für etwa 29 Bilder, 58 Videobilder oder 5,5 Minuten Audio, und Vektoren lassen sich auf 512, 256 oder 128 Dimensionen kürzen.
Lohnt sich EmbeddingGemma 2?
EmbeddingGemma 2 ist klein genug, um Fotos, Aufnahmen und Dokumente eines Smartphones ohne Netzwerkaufruf in einem gemeinsamen Vektorraum zu indexieren, und darin liegt sein ganzes Argument. Die geschlossene Alternative, Googles eigenes Gemini Embedding 2, leistet dasselbe über alle Medien, rechnet aber pro Token ab, von 0,20 $ pro Million für Text bis 12 $ für Video. Dieses Modell schafft es mit weniger als 600 MB RAM unter Apache 2.0.
Die Qualitätsgewinne konzentrieren sich auf Code. Google meldet für MTEB Code ein Plus von 9,92 Punkten auf 78,68, während sich mehrsprachiger Text kaum bewegt, von 61,15 auf 61,36. Dieser Textwert ist für die Größe respektabel, aber hinter größeren offenen Modellen: Qwen meldet auf demselben Benchmark 64,33 für sein Qwen3-Embedding mit 0,6 Milliarden Parametern und 70,58 für die 8B-Version. Die Ergebnisse der Karte für Bild, Video und Audio kommen ohne Vergleich mit Konkurrenten, Googles Anspruch auf die Spitze unter multimodalen Embeddern unter 1B ist also eine eigene Behauptung.
Die technischen Entscheidungen helfen kleinen Deployments. Reine Text-Apps laden 270 Millionen Parameter; eine Kürzung auf 256 Dimensionen behält nach Googles Zahlen den Großteil der Textqualität und etwa 95% der multimodalen Qualität. Bei 128 Dimensionen behält die multimodale Suche nur noch etwa 75%, für die Fotosuche ist die 6-fache Speicherersparnis damit ein schlechter Tausch.
Eine Warnung aus der Karte wiegt schwerer als jeder Benchmark. In float16 läuft das Modell über und liefert NaN oder unbemerkt verschlechterte Vektoren, ohne einen Fehler auszulösen. Auf GPUs, die standardmäßig fp16 nutzen, übersieht man das leicht.
Wo es sich lohnt
Eine Android-Entwicklerin, die eine Notiz-App mit Sprachmemos und Fotos baut
Nutzer alles Gespeicherte per eingetipptem Suchbegriff finden lassen, ohne dass etwas das Smartphone verlässt
Liefere den LiteRT-Build aus und indexiere auf dem Gerät; nach Googles Zahlen für das Pixel 11 Pro braucht das volle Modell etwa 567 MB RAM. Kosten pro Anfrage fallen nicht an, aber rechne mit etwa 75% der multimodalen Qualität, wenn du zum Sparen von Speicher auf 128 Dimensionen kürzt.
Ein Ingenieur in einem Unternehmen mit 50 Entwicklern, der Code-Suche auf einem internen Server ohne GPU betreibt
Die Stichwortsuche über interne Repositories durch semantische Suche ersetzen
Lade nur den Textteil (270M Parameter) in fp32 oder bf16 mit sentence-transformers und nutze den Prompt CodeRetrieval. MTEB Code mit 78,68 ist der stärkste Wert des Modells; eine Million Vektoren mit 768 Dimensionen brauchen in bf16 etwa 1,5 GB.
Ein Datenschutzverantwortlicher bei einem Telemedizin-Anbieter
Semantische Suche über Aufnahmen von Sprechstunden ergänzen, ohne Audio an eine Cloud-API zu schicken
Self-Hosting beseitigt Gebühren pro Token und die Verarbeitung durch Dritte. Audio muss in Mono mit 16 kHz vorliegen, und jede Eingabe fasst etwa 327 Sekunden, Aufnahmen müssen also zerlegt werden. Einen Audio-Benchmark im Vergleich mit Konkurrenten veröffentlicht Google nicht.
Bevor du dich festlegst
- Einrichtung
- Lade es von Hugging Face mit sentence-transformers 6.1 oder neuer, oder hol es über Ollama oder LMStudio. Textanfragen brauchen für beste Präzision Aufgabenpräfixe wie 'task: search result | query:'.
- Integrationen
- Transformers, sentence-transformers, LiteRT und MediaPipe für den Einsatz auf dem Gerät, transformers.js auf WebGPU, Ollama, vLLM, SGLang, MLX, llama.cpp und Qdrant; Unsloth fürs Fine-Tuning.
- Daten und Datenschutz
- Die Gewichte laufen vollständig auf deiner Hardware, es verlassen also keine Daten das Gerät. Apache 2.0 (der Link der Karte zur Gemma-4-Lizenz führt auf Googles Seite zur Apache License 2.0), und die Nutzung muss der Gemma Prohibited Use Policy folgen.
- Kosten im großen Maßstab
- Keine Lizenzgebühren; die Kosten sind Speicher und Rechenleistung. Eine Million Vektoren mit 768 Dimensionen braucht in bf16 etwa 1,5 GB, bei 128 Dimensionen etwa 250 MB, und das reine Textmodell ist klein genug für Inferenz auf der CPU.
- Grenzen
- Gemeinsames Eingabefenster von 8.192 Tokens (etwa 29 Bilder, 58 Videobilder bei 1 fps oder 327 Sekunden Audio). Nicht in float16 betreiben. Nach dem Kürzen neu normalisieren und für Anfragen und Dokumente dieselbe Dimension verwenden.
Was gut ist
- Text, Code, Bild, Video und Audio in einem gemeinsamen Raum mit 768 Dimensionen
- Etwa 191 MB aktiver RAM für reinen Text auf einem Pixel 11 Pro
- Ungenutzte Encoder werden nie geladen; Vektoren lassen sich auf 512, 256 oder 128 kürzen
Was nicht
- Qualität bei mehrsprachigem Text gegenüber v1 unverändert (61,36 gegenüber 61,15)
- Verfälscht die Ausgabe in float16 ohne Warnung
- Multimodale Benchmarks ohne Vergleich mit Konkurrenten
Am besten für
Entwickler für Mobilgeräte und Edge, die private oder Offline-Suche über Text, Code, Bilder und Audio bauen.
Alternativen zu EmbeddingGemma 2
EmbeddingGemma 2: häufige Fragen
- Lohnt sich EmbeddingGemma 2?
- EmbeddingGemma 2 macht private Offline-Suche über Fotos, Sprachnotizen und Code auf dem Smartphone praktikabel, lässt die Qualität beim reinen Text-Retrieval aber fast genau dort, wo Version eins sie hinterlassen hat. Wir bewerten es mit 4.3 von 5.
- Was kostet EmbeddingGemma 2?
- Kostenlos unter Apache 2.0, vorbehaltlich der Gemma Prohibited Use Policy. Noch keine gehostete API von Google oder von Inference-Providern auf Hugging Face.
- Welche Nachteile hat EmbeddingGemma 2?
- Qualität bei mehrsprachigem Text gegenüber v1 unverändert (61,36 gegenüber 61,15); Verfälscht die Ausgabe in float16 ohne Warnung; Multimodale Benchmarks ohne Vergleich mit Konkurrenten.
- Für wen eignet sich EmbeddingGemma 2?
- Entwickler für Mobilgeräte und Edge, die private oder Offline-Suche über Text, Code, Bilder und Audio bauen.
- Was kostet EmbeddingGemma 2 für ein Team oder im Produktivbetrieb?
- Keine Lizenzgebühren; die Kosten sind Speicher und Rechenleistung. Eine Million Vektoren mit 768 Dimensionen braucht in bf16 etwa 1,5 GB, bei 128 Dimensionen etwa 250 MB, und das reine Textmodell ist klein genug für Inferenz auf der CPU.
- Ist EmbeddingGemma 2 sicher für Firmendaten?
- Die Gewichte laufen vollständig auf deiner Hardware, es verlassen also keine Daten das Gerät. Apache 2.0 (der Link der Karte zur Gemma-4-Lizenz führt auf Googles Seite zur Apache License 2.0), und die Nutzung muss der Gemma Prohibited Use Policy folgen.
- Was sind die besten Alternativen zu EmbeddingGemma 2?
- Die nächsten Alternativen, die wir getestet haben, sind Gemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker und all-MiniLM-L6-v2.
Antworten geprüft am 26. Okt. 2026.