EmbeddingGemma 2とは？
EmbeddingGemma 2はGoogle DeepMindによるオープンな埋め込みモデルで、2026年10月6日にApache 2.0で公開されました。埋め込みモデルはコンテンツをベクトル に変換し、ソフトウェアが検索や検索拡張生成（RAG）のために関連する素材を見つけられるようにします。Gemma 4をもとに作られ、テキスト、コード、画像、動画、音声を100以上の言語で1つの768次元の空間に写像します。
パラメータ数は7億4,000万（740 million）で、モジュール式の部品に分かれています。2億7,000万（270 million）パラメータのテキストモデル、1億7,000万（170 million）のビジョンエンコーダー、3億（300 million）の音声エンコーダーで、オフにしたエンコーダーは読み込まれません。Googleによると、量子化したモデルはPixel 11 Proで、テキストのみなら約191 MB、すべてを使うと約567 MBの実使用RAMが必要です。入力は8,192トークンのウィンドウを共有し、画像なら約29枚、動画なら58フレーム、音声なら5.5分に相当します。ベクトルは512、256、128次元に切り詰められます。
EmbeddingGemma 2は使う価値があるか？
EmbeddingGemma 2は、ネットワークに接続せずにスマートフォンの写真、録音、文書を1つのベクトル空間でインデックス化できるほど小さく、それがこのモデルのすべてです。クローズドな代替であるGoogle自身のGemini Embedding 2も同じようにメディアをまたいで動きますが、トークン単位で課金され、テキストの100万あたり$0.20から動画の$12までかかります。このモデルはそれをApache 2.0のもと、600 MB未満のRAMでこなします。
品質の向上はコードに集中しています。Googleの報告では、MTEB Codeは9.92ポイント上がって78.68になりましたが、多言語テキストは61.15から61.36とほとんど動いていません。このテキストのスコアはサイズのわりには立派ですが、より大きなオープン モデルには及びません。Qwenは同じベンチマークで、パラメータ数0.6B（6億）のQwen3-Embeddingが64.33、8Bが70.58だと報告しています。モデルカードにある画像、動画、音声の結果には競合との比較がないため、1B未満のマルチモーダル埋め込みモデルで首位だという主張はGoogle自身のものです。
技術的な選択は小規模な導入に役立ちます。テキストのみのアプリなら読み込むのは2億7,000万（270 million）パラメータだけです。Googleの数値では、256次元に切り詰めてもテキストの品質の大半と、マルチモーダルの品質の約95%が保たれます。128次元では、マルチモーダル検索の品質は約75%しか残らないため、写真検索にとって6倍のストレージ節約は割に合いません。
モデルカードにある警告の一つは、どのベンチマークよりも重要です。float16で動かすとオーバーフローし、エラーを出さずにNaNや気づかないうちに劣化したベクトルを返します。既定でfp16を使うGPUでは見落としやすい点です。
真価を発揮する場面
ボイスメモと写真付きのメモアプリを作るAndroid開発者
スマートフォンの外に何も出さずに、ユーザーが保存したものすべてをフレーズの入力で検索できるようにする
LiteRTビルドを同梱し、端末上でインデックス化します。GoogleのPixel 11 Proでの数値では、フルモデルのRAMは約567 MBです。クエリごとのコストはかかりませんが、ストレージ節約のために128次元に切り詰めると、マルチモーダルの品質は約75%になると考えてください。
CPUのみの社内サーバーでコード検索を運用する、開発者50人の企業のエンジニア
社内リポジトリのキーワード検索をセマンティック検索に置き換える
sentence-transformersでテキストのみ（2億7,000万パラメータ）をfp32かbf16で読み込み、CodeRetrievalのプロンプトを使います。MTEB Codeの78.68はこのモデルの最も強いスコアです。768次元のベクトル100万個は、bf16で約1.5 GBになります。
遠隔医療サービスのプライバシー責任者
音声をクラウドAPIに送らずに、診察の録音にセマンティック検索を加える
セルフホストならトークン単位の料金も第三者による処理もなくなります。音声はモノラル16 kHzである必要があり、1回の入力に入るのは約327秒なので、録音は分割が必要です。また、Googleは音声のベンチマークで競合との比較を公表していません。
導入前に確認すること
- 導入
- sentence-transformers 6.1以降でHugging Faceから読み込むか、OllamaやLMStudioで取得します。テキストのクエリで最高の精度 を得るには、「task: search result | query:」のようなタスク接頭辞が必要です。
- 連携
- Transformers、sentence-transformers、オンデバイス向けのLiteRTとMediaPipe、WebGPU上のtransformers.js、Ollama、vLLM、SGLang、MLX、llama.cpp、Qdrant。ファインチューニングにはUnsloth。
- データとプライバシー
- 重みは完全に自分のハードウェアで動くため、データが外に出ることはありません。Apache 2.0で（モデルカードのGemma 4ライセンスのリンクはGoogleのApache License 2.0のページにつながります）、利用はGemma Prohibited Use Policyに従う必要があります。
- 大規模利用時のコスト
- ライセンス料はなく、コストはストレージと計算資源です。768次元のベクトル100万個はbf16で約1.5 GB、128次元なら約250 MBで、テキストのみのモデルはCPUで推論できるほど小さいです。
- 制限
- 入力ウィンドウは共有の8,192トークンです（画像約29枚、1 fpsの動画58フレーム、または音声327秒）。float16では動かさないでください。切り詰めた後は正規化し直し、クエリと文書で同じ次元を使ってください。
良い点
- テキスト、コード、画像、動画、音声を1つの768次元の空間に
- Pixel 11 Proでテキストのみなら実使用RAMは約191 MB
- 使わないエンコーダーは読み込まれず、ベクトルは512、256、128に切り詰め可能
気になる点
- 多言語テキストの品質はv1から変わらない（61.36対61.15）
- float16では出力が気づかないうちに壊れる
- マルチモーダルのベンチマークに競合との比較がない
おすすめの人
テキスト、コード、画像、音声にまたがるプライベートまたはオフラインの検索を作るモバイルやエッジの開発者。
EmbeddingGemma 2の代替
EmbeddingGemma 2：よくある質問
- EmbeddingGemma 2は使う価値があるか？
- EmbeddingGemma 2は、写真、ボイスメモ、コードにまたがるプライベートなオフライン検索をスマートフォンで実用的にします。一方で、テキストのみの検索品質はバージョン1からほぼ変わっていません。 評価は5点満点中4.3点です。
- EmbeddingGemma 2の料金は？
- Apache 2.0で無料。ただしGemma Prohibited Use Policyに従う必要があります。GoogleやHugging Faceの推論プロバイダーによるホスト型APIはまだありません。
- EmbeddingGemma 2の欠点は？
- 多言語テキストの品質はv1から変わらない（61.36対61.15）; float16では出力が気づかないうちに壊れる; マルチモーダルのベンチマークに競合との比較がない.
- EmbeddingGemma 2は誰に向いているか？
- テキスト、コード、画像、音声にまたがるプライベートまたはオフラインの検索を作るモバイルやエッジの開発者。
- チームや本番環境でEmbeddingGemma 2を使うと費用はいくらか？
- ライセンス料はなく、コストはストレージと計算資源です。768次元のベクトル100万個はbf16で約1.5 GB、128次元なら約250 MBで、テキストのみのモデルはCPUで推論できるほど小さいです。
- EmbeddingGemma 2は企業データを扱っても安全か？
- 重みは完全に自分のハードウェアで動くため、データが外に出ることはありません。Apache 2.0で（モデルカードのGemma 4ライセンスのリンクはGoogleのApache License 2.0のページにつながります）、利用はGemma Prohibited Use Policyに従う必要があります。
- EmbeddingGemma 2の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker 、 all-MiniLM-L6-v2です。
回答確認日：2026年10月26日