¿Qué es EmbeddingGemma 2?
EmbeddingGemma 2 es un modelo de embeddings abierto de Google DeepMind, lanzado el 6 de octubre de 2026 bajo Apache 2.0. Los modelos de embeddings convierten el contenido en vectores para que el software pueda encontrar material relacionado en búsquedas y en generación aumentada por recuperación (RAG). Basado en Gemma 4, sitúa texto, código, imágenes, vídeo y audio en un único espacio de 768 dimensiones, en más de 100 idiomas.
Tiene 740 millones de parámetros repartidos en piezas modulares: un modelo de texto de 270 millones de parámetros, un codificador de visión de 170 millones y un codificador de audio de 300 millones, y los codificadores que desactivas nunca se cargan. Google dice que el modelo cuantizado necesita unos 191 MB de RAM activa para texto y unos 567 MB para todo en un Pixel 11 Pro. Las entradas comparten una ventana de 8.192 tokens, suficiente para unas 29 imágenes, 58 fotogramas de vídeo o 5,5 minutos de audio, y los vectores se pueden recortar a 512, 256 o 128 dimensiones.
¿Merece la pena EmbeddingGemma 2?
EmbeddingGemma 2 es lo bastante pequeño para indexar las fotos, grabaciones y documentos de un teléfono en un mismo espacio vectorial sin una sola llamada a la red, y ese es todo su argumento. La alternativa cerrada, Gemini Embedding 2 de la propia Google, hace lo mismo con todos los medios pero cobra por token, desde 0,20 $ por millón para texto hasta 12 $ para vídeo. Este modelo lo hace con menos de 600 MB de RAM bajo Apache 2.0.
Las mejoras de calidad se concentran en el código. Google indica que MTEB Code sube 9,92 puntos hasta 78,68, mientras que el texto multilingüe apenas se mueve, de 61,15 a 61,36. Esa puntuación de texto es respetable para su tamaño, pero queda por debajo de modelos abiertos más grandes: Qwen indica 64,33 para su Qwen3-Embedding de 0,6B parámetros y 70,58 para el de 8B en el mismo benchmark. Los resultados de imagen, vídeo y audio de la ficha no incluyen comparaciones con rivales, así que la afirmación de Google de liderar entre los modelos de embeddings multimodales de menos de 1B es solo suya.
Las decisiones de ingeniería ayudan a los despliegues pequeños. Las apps de solo texto cargan 270 millones de parámetros; recortar a 256 dimensiones conserva la mayor parte de la calidad de texto y cerca del 95% de la calidad multimodal según las cifras de Google. Con 128 dimensiones, la búsqueda multimodal conserva solo un 75% aproximadamente, lo que convierte el ahorro de almacenamiento de 6x en un mal negocio para buscar fotos.
Una advertencia de la ficha importa más que cualquier benchmark. Ejecutarlo en float16 provoca desbordamientos y devuelve NaN o vectores degradados en silencio sin lanzar ningún error, algo fácil de pasar por alto en GPU que usan fp16 por defecto.
Dónde se gana su sitio
Un desarrollador de Android que construye una app de notas con notas de voz y fotos
Permitir a los usuarios buscar todo lo que han guardado escribiendo una frase, sin que nada salga del teléfono
Incluye la versión LiteRT e indexa en el dispositivo; las cifras de Google en el Pixel 11 Pro sitúan el modelo completo en unos 567 MB de RAM. No hay coste por consulta, pero cuenta con cerca del 75% de la calidad multimodal si recortas a 128 dimensiones para ahorrar almacenamiento.
Un ingeniero de una empresa de 50 desarrolladores que ejecuta búsqueda de código en un servidor interno solo con CPU
Sustituir la búsqueda por palabras clave en los repositorios internos por búsqueda semántica
Carga solo el texto (270M parámetros) en fp32 o bf16 con sentence-transformers y usa el prompt CodeRetrieval. El 78,68 en MTEB Code es la mejor puntuación del modelo; un millón de vectores de 768 dimensiones ocupan unos 1,5 GB en bf16.
Un responsable de privacidad de un proveedor de telemedicina
Añadir búsqueda semántica sobre grabaciones de consultas sin enviar audio a una API en la nube
El autoalojamiento elimina las tarifas por token y el tratamiento por terceros. El audio debe ser mono a 16 kHz y cada entrada admite unos 327 segundos, así que las grabaciones hay que dividirlas, y Google no publica ninguna comparación de benchmarks de audio con rivales.
Antes de decidirte
- Puesta en marcha
- Cárgalo desde Hugging Face con sentence-transformers 6.1 o posterior, o descárgalo con Ollama o LMStudio. Las consultas de texto necesitan prefijos de tarea como 'task: search result | query:' para obtener la mejor precisión.
- Integraciones
- Transformers, sentence-transformers, LiteRT y MediaPipe para dispositivos, transformers.js sobre WebGPU, Ollama, vLLM, SGLang, MLX, llama.cpp y Qdrant; Unsloth para ajuste fino.
- Datos y privacidad
- Los pesos funcionan por completo en tu hardware, así que ningún dato sale de él. Apache 2.0 (el enlace a la licencia Gemma 4 de la ficha lleva a la página de la Apache License 2.0 de Google), y el uso debe seguir la Gemma Prohibited Use Policy.
- Coste a escala
- Sin tarifas de licencia; el coste es almacenamiento y cómputo. Un millón de vectores de 768 dimensiones ocupan unos 1,5 GB en bf16, o unos 250 MB con 128 dimensiones, y el modelo de solo texto es lo bastante pequeño para inferencia en CPU.
- Límites
- Ventana de entrada compartida de 8.192 tokens (unas 29 imágenes, 58 fotogramas de vídeo a 1 fps o 327 segundos de audio). No lo ejecutes en float16. Vuelve a normalizar tras recortar y usa la misma dimensión para consultas y documentos.
Lo bueno
- Texto, código, imagen, vídeo y audio en un único espacio de 768 dimensiones
- Unos 191 MB de RAM activa para solo texto en un Pixel 11 Pro
- Los codificadores no usados nunca se cargan; los vectores se recortan a 512, 256 o 128
Lo malo
- Calidad de texto multilingüe sin cambios respecto a v1 (61,36 frente a 61,15)
- Corrompe la salida en silencio en float16
- Los benchmarks multimodales no incluyen comparaciones con rivales
Ideal para
Desarrolladores móviles y de edge que construyen búsquedas privadas o sin conexión sobre texto, código, imágenes y audio.
Alternativas a EmbeddingGemma 2
EmbeddingGemma 2: preguntas frecuentes
- ¿Merece la pena EmbeddingGemma 2?
- EmbeddingGemma 2 hace viable en un teléfono la búsqueda privada y sin conexión entre fotos, notas de voz y código, mientras deja la calidad de recuperación de solo texto casi exactamente donde la dejó la primera versión. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta EmbeddingGemma 2?
- Gratis bajo Apache 2.0, sujeto a la Gemma Prohibited Use Policy. Aún no hay API alojada de Google ni de los proveedores de inferencia de Hugging Face.
- ¿Qué inconvenientes tiene EmbeddingGemma 2?
- Calidad de texto multilingüe sin cambios respecto a v1 (61,36 frente a 61,15); corrompe la salida en silencio en float16; los benchmarks multimodales no incluyen comparaciones con rivales.
- ¿Para quién es EmbeddingGemma 2?
- Desarrolladores móviles y de edge que construyen búsquedas privadas o sin conexión sobre texto, código, imágenes y audio.
- ¿Cuánto cuesta EmbeddingGemma 2 para un equipo o en producción?
- Sin tarifas de licencia; el coste es almacenamiento y cómputo. Un millón de vectores de 768 dimensiones ocupan unos 1,5 GB en bf16, o unos 250 MB con 128 dimensiones, y el modelo de solo texto es lo bastante pequeño para inferencia en CPU.
- ¿Es EmbeddingGemma 2 seguro para los datos de la empresa?
- Los pesos funcionan por completo en tu hardware, así que ningún dato sale de él. Apache 2.0 (el enlace a la licencia Gemma 4 de la ficha lleva a la página de la Apache License 2.0 de Google), y el uso debe seguir la Gemma Prohibited Use Policy.
- ¿Cuáles son las mejores alternativas a EmbeddingGemma 2?
- Las alternativas más cercanas que hemos analizado son Gemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker y all-MiniLM-L6-v2.
Respuestas comprobadas el 26 oct 2026.