EmbeddingGemma 2의 개요
EmbeddingGemma 2는 Google DeepMind가 2026년 10월 6일 Apache 2.0으로 공개한 오픈 임베딩 모델입니다. 임베딩 모델은 콘텐츠를 벡터로 바꿔, 소프트웨어가 검색과 검색 증강 생성(RAG)에 쓸 관련 자료를 찾을 수 있게 합니다. Gemma 4를 기반으로 하며, 100개 이상의 언어로 된 텍스트, 코드, 이미지, 동영상, 오디오를 하나의 768차원 공간에 매핑합니다.
파라미터는 7억 4,000만(740 million)개이며 모듈로 나뉩니다. 2억 7,000만(270-million) 파라미터 텍스트 모델, 1억 7,000만(170-million) 비전 인코더, 3억(300-million) 오디오 인코더로 구성되며, 끈 인코더는 아예 로드되지 않습니다. Google에 따르면 양자화 모델은 Pixel 11 Pro에서 텍스트만 쓸 때 활성 RAM 약 191 MB, 전체 기능에 약 567 MB가 필요합니다. 입력은 8,192토큰 창을 공유하며, 이는 이미지 약 29장, 동영상 프레임 58장, 오디오 5.5분 분량입니다. 벡터는 512, 256, 128차원으로 줄일 수 있습니다.
EmbeddingGemma 2, 쓸 만한 가치가 있습니까?
EmbeddingGemma 2는 네트워크 호출 없이 휴대전화의 사진, 녹음, 문서를 하나의 벡터 공간에 색인할 만큼 작습니다. 이 모델의 논거는 그것이 전부입니다. 비공개 대안인 Google 자체의 Gemini Embedding 2도 여러 매체를 아우르지만 토큰당 과금하며, 텍스트는 100만 토큰당 $0.20, 동영상은 $12입니다. 이 모델은 Apache 2.0으로 600 MB 미만의 RAM에서 같은 일을 합니다.
품질 향상은 코드에 집중돼 있습니다. Google은 MTEB Code가 9.92포인트 올라 78.68이 됐다고 보고하지만, 다국어 텍스트는 61.15에서 61.36으로 거의 움직이지 않았습니다. 이 텍스트 점수는 크기에 비해 준수하지만 더 큰 오픈 모델에는 못 미칩니다. Qwen은 같은 벤치마크에서 6억(0.6-billion) 파라미터 Qwen3-Embedding이 64.33, 8B가 70.58이라고 보고합니다. 카드의 이미지, 동영상, 오디오 결과에는 경쟁 모델 비교가 없으므로, 1B 미만 멀티모달 임베딩 모델 중 선두라는 주장은 Google 자신의 것입니다.
설계상의 선택은 소규모 배포에 도움이 됩니다. 텍스트 전용 앱은 2억 7,000만(270 million) 파라미터만 로드합니다. Google 수치로는 256차원으로 줄여도 텍스트 품질 대부분과 멀티모달 품질의 약 95%가 유지됩니다. 128차원에서는 멀티모달 검색 품질이 약 75%만 남으므로, 사진 검색에서 6x의 저장 공간 절약은 나쁜 거래입니다.
카드의 경고 하나가 어떤 벤치마크보다 중요합니다. float16으로 실행하면 오버플로가 일어나 오류 없이 NaN이나 조용히 품질이 떨어진 벡터를 반환합니다. 기본값이 fp16인 GPU에서는 놓치기 쉽습니다.
제 역할을 하는 곳
음성 메모와 사진이 있는 노트 앱을 만드는 Android 개발자
아무것도 휴대전화 밖으로 보내지 않고, 문구 입력만으로 저장한 모든 것을 검색하게 하기
LiteRT 빌드를 탑재해 기기에서 색인합니다. Google의 Pixel 11 Pro 수치로는 전체 모델이 RAM 약 567 MB를 씁니다. 쿼리당 비용은 없지만, 저장 공간을 아끼려 128차원으로 줄이면 멀티모달 품질은 약 75%로 봐야 합니다.
CPU 전용 사내 서버에서 코드 검색을 운영하는 개발자 50명 회사의 엔지니어
사내 저장소의 키워드 검색을 의미 기반 검색으로 교체
sentence-transformers로 텍스트 전용(270M 파라미터)을 fp32나 bf16으로 로드하고 CodeRetrieval 프롬프트를 씁니다. MTEB Code 78.68이 이 모델의 가장 강한 점수입니다. 768차원 벡터 100만 개는 bf16으로 약 1.5 GB입니다.
원격 진료 업체의 개인정보 책임자
오디오를 클라우드 API로 보내지 않고 진료 녹음에 의미 기반 검색 추가
자체 호스팅으로 토큰당 요금과 서드파티 처리가 없어집니다. 오디오는 모노 16 kHz여야 하고 입력 하나에 약 327초가 들어가므로 녹음을 나눠야 합니다. Google은 오디오 벤치마크의 경쟁 모델 비교를 공개하지 않습니다.
도입 전 확인할 점
- 설정
- sentence-transformers 6.1 이상으로 Hugging Face에서 로드하거나, Ollama나 LMStudio로 받습니다. 텍스트 쿼리는 정밀도를 높이려면 'task: search result | query:' 같은 작업 접두어가 필요합니다.
- 연동
- Transformers, sentence-transformers, 온디바이스용 LiteRT와 MediaPipe, WebGPU의 transformers.js, Ollama, vLLM, SGLang, MLX, llama.cpp, Qdrant. 파인튜닝은 Unsloth.
- 데이터와 개인정보
- 가중치가 전적으로 자기 하드웨어에서 돌아가므로 데이터가 밖으로 나가지 않습니다. Apache 2.0이며(카드의 Gemma 4 라이선스 링크는 Google의 Apache License 2.0 페이지로 연결됩니다), 사용은 Gemma Prohibited Use Policy를 따라야 합니다.
- 대규모 사용 시 비용
- 라이선스 비용은 없고 비용은 저장과 연산입니다. 768차원 벡터 100만 개는 bf16으로 약 1.5 GB, 128차원으로는 약 250 MB이며, 텍스트 전용 모델은 CPU 추론이 가능할 만큼 작습니다.
- 제한
- 8,192토큰 공유 입력 창(이미지 약 29장, 1 fps 동영상 프레임 58장, 오디오 327초). float16으로 실행하지 마십시오. 차원을 줄인 뒤에는 다시 정규화하고, 쿼리와 문서에 같은 차원을 써야 합니다.
좋은 점
- 텍스트, 코드, 이미지, 동영상, 오디오를 하나의 768차원 공간에 담습니다
- Pixel 11 Pro에서 텍스트 전용 활성 RAM 약 191 MB
- 쓰지 않는 인코더는 로드되지 않고, 벡터는 512, 256, 128차원으로 줄일 수 있습니다
아쉬운 점
- 다국어 텍스트 품질이 v1과 같습니다(61.36 대 61.15)
- float16에서 출력이 조용히 손상됩니다
- 멀티모달 벤치마크에 경쟁 모델 비교가 없습니다
추천 대상
텍스트, 코드, 이미지, 오디오를 아우르는 비공개 또는 오프라인 검색을 만드는 모바일과 엣지 개발자.
EmbeddingGemma 2 대안
EmbeddingGemma 2: 자주 묻는 질문
- EmbeddingGemma 2, 쓸 만한 가치가 있습니까?
- EmbeddingGemma 2는 휴대전화에서 사진, 음성 메모, 코드를 아우르는 비공개 오프라인 검색을 실용적으로 만듭니다. 다만 텍스트 전용 검색 품질은 1세대와 거의 그대로입니다. 평점은 5점 만점에 4.3점입니다.
- EmbeddingGemma 2의 가격은 얼마입니까?
- Apache 2.0으로 무료이며 Gemma Prohibited Use Policy를 따라야 합니다. Google이나 Hugging Face 추론 제공사의 호스팅 API는 아직 없습니다.
- EmbeddingGemma 2의 단점은 무엇입니까?
- 다국어 텍스트 품질이 v1과 같습니다(61.36 대 61.15); float16에서 출력이 조용히 손상됩니다; 멀티모달 벤치마크에 경쟁 모델 비교가 없습니다.
- EmbeddingGemma 2에 적합한 사람은 누구입니까?
- 텍스트, 코드, 이미지, 오디오를 아우르는 비공개 또는 오프라인 검색을 만드는 모바일과 엣지 개발자.
- 팀이나 프로덕션 환경에서 EmbeddingGemma 2의 비용은 얼마입니까?
- 라이선스 비용은 없고 비용은 저장과 연산입니다. 768차원 벡터 100만 개는 bf16으로 약 1.5 GB, 128차원으로는 약 250 MB이며, 텍스트 전용 모델은 CPU 추론이 가능할 만큼 작습니다.
- EmbeddingGemma 2에 회사 데이터를 맡겨도 안전합니까?
- 가중치가 전적으로 자기 하드웨어에서 돌아가므로 데이터가 밖으로 나가지 않습니다. Apache 2.0이며(카드의 Gemma 4 라이선스 링크는 Google의 Apache License 2.0 페이지로 연결됩니다), 사용은 Gemma Prohibited Use Policy를 따라야 합니다.
- EmbeddingGemma 2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Gemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker 및 all-MiniLM-L6-v2입니다.
답변 확인일: 2026년 10월 26일.
EmbeddingGemma 2 개발사입니까? 이 평점을 사이트에 표시하십시오
