O que é EmbeddingGemma 2?
EmbeddingGemma 2 é um modelo de embedding aberto do Google DeepMind, lançado em 6 de outubro de 2026 sob Apache 2.0. Modelos de embedding transformam conteúdo em vetores para que o software encontre material relacionado em busca e geração aumentada por recuperação (RAG). Construído sobre o Gemma 4, ele mapeia texto, código, imagens, vídeo e áudio em um único espaço de 768 dimensões, em mais de 100 idiomas.
Ele tem 740 milhões de parâmetros em partes modulares: um modelo de texto de 270 milhões de parâmetros, um encoder de visão de 170 milhões e um encoder de áudio de 300 milhões, e encoders desativados nunca são carregados. O Google diz que o modelo quantizado precisa de cerca de 191 MB de RAM ativa para texto e cerca de 567 MB para tudo em um Pixel 11 Pro. As entradas compartilham uma janela de 8.192 tokens, o bastante para cerca de 29 imagens, 58 quadros de vídeo ou 5,5 minutos de áudio, e os vetores podem ser cortados para 512, 256 ou 128 dimensões.
EmbeddingGemma 2 vale a pena?
O EmbeddingGemma 2 é pequeno o bastante para indexar as fotos, gravações e documentos de um celular em um único espaço vetorial sem nenhuma chamada de rede, e esse é todo o seu argumento. A alternativa fechada, o Gemini Embedding 2 do próprio Google, faz o mesmo entre mídias, mas cobra por token, de US$ 0,20 por milhão para texto a US$ 12 para vídeo. Este modelo faz isso com menos de 600 MB de RAM sob Apache 2.0.
Os ganhos de qualidade se concentram em código. O Google informa que o MTEB Code subiu 9,92 pontos, para 78,68, enquanto o texto multilíngue mal se move, de 61,15 para 61,36. Essa pontuação de texto é respeitável para o tamanho, mas fica abaixo de modelos abertos maiores: a Qwen informa 64,33 para o Qwen3-Embedding de 0,6 bilhão de parâmetros e 70,58 para o de 8B no mesmo benchmark. Os resultados de imagem, vídeo e áudio do card vêm sem comparação com rivais, então a afirmação do Google de liderar entre os modelos de embedding multimodais abaixo de 1B é só dele.
As escolhas de engenharia ajudam implantações pequenas. Apps só de texto carregam 270 milhões de parâmetros; cortar para 256 dimensões mantém a maior parte da qualidade de texto e cerca de 95% da qualidade multimodal pelos números do Google. Com 128 dimensões, a busca multimodal mantém só cerca de 75%, o que torna a economia de armazenamento de 6x uma troca ruim para busca de fotos.
Um aviso do card importa mais que qualquer benchmark. Rodá-lo em float16 causa overflow e devolve NaN ou vetores silenciosamente degradados sem gerar erro, algo fácil de não perceber em GPUs que usam fp16 por padrão.
Onde ele se destaca
Um desenvolvedor Android que constrói um app de notas com memos de voz e fotos
Permitir que os usuários busquem tudo o que salvaram digitando uma frase, sem que nada saia do celular
Distribua a versão LiteRT e indexe no dispositivo; os números do Google para o Pixel 11 Pro colocam o modelo completo em cerca de 567 MB de RAM. Não há custo por consulta, mas espere cerca de 75% da qualidade multimodal se cortar para 128 dimensões para economizar armazenamento.
Um engenheiro em uma empresa de 50 desenvolvedores que roda busca de código em um servidor interno só com CPU
Substituir a busca por palavras-chave nos repositórios internos por busca semântica
Carregue só o texto (270M de parâmetros) em fp32 ou bf16 com sentence-transformers e use o prompt CodeRetrieval. O MTEB Code de 78,68 é a pontuação mais forte do modelo; um milhão de vetores de 768 dimensões ocupa cerca de 1,5 GB em bf16.
Um responsável de privacidade em um provedor de telessaúde
Adicionar busca semântica nas gravações de consultas sem enviar áudio a uma API na nuvem
A auto-hospedagem elimina as tarifas por token e o processamento por terceiros. O áudio precisa ser mono de 16 kHz e cada entrada comporta cerca de 327 segundos, então as gravações precisam ser divididas, e o Google não publica comparação de benchmarks de áudio com rivais.
Antes de decidir
- Configuração
- Carregue do Hugging Face com sentence-transformers 6.1 ou posterior, ou baixe pelo Ollama ou LMStudio. Consultas de texto precisam de prefixos de tarefa como 'task: search result | query:' para melhor precisão.
- Integrações
- Transformers, sentence-transformers, LiteRT e MediaPipe para uso no dispositivo, transformers.js em WebGPU, Ollama, vLLM, SGLang, MLX, llama.cpp e Qdrant; Unsloth para fine-tuning.
- Dados e privacidade
- Os pesos rodam inteiramente no seu hardware, então nenhum dado sai dele. Apache 2.0 (o link da licença Gemma 4 no card leva à página da Apache License 2.0 do Google), e o uso deve seguir a Gemma Prohibited Use Policy.
- Custo em escala
- Sem taxas de licença; o custo é armazenamento e computação. Um milhão de vetores de 768 dimensões ocupa cerca de 1,5 GB em bf16, ou cerca de 250 MB com 128 dimensões, e o modelo só de texto é pequeno o bastante para inferência em CPU.
- Limites
- Janela de entrada compartilhada de 8.192 tokens (cerca de 29 imagens, 58 quadros de vídeo a 1 fps ou 327 segundos de áudio). Não rode em float16. Renormalize depois de cortar e use a mesma dimensão para consultas e documentos.
O que é bom
- Texto, código, imagem, vídeo e áudio em um único espaço de 768 dimensões
- Cerca de 191 MB de RAM ativa para só texto em um Pixel 11 Pro
- Encoders não usados nunca são carregados; vetores cortáveis para 512, 256 ou 128
O que não é
- Qualidade de texto multilíngue igual à da v1 (61,36 contra 61,15)
- Corrompe a saída silenciosamente em float16
- Os benchmarks multimodais não têm comparação com rivais
Ideal para
Desenvolvedores mobile e de edge que constroem busca privada ou offline em texto, código, imagens e áudio.
Alternativas ao EmbeddingGemma 2
EmbeddingGemma 2: perguntas frequentes
- EmbeddingGemma 2 vale a pena?
- O EmbeddingGemma 2 torna prática no celular a busca privada e offline em fotos, notas de voz e código, mas deixa a qualidade de recuperação só de texto quase exatamente onde a versão um a deixou. Damos nota 4.3 de 5.
- Quanto custa EmbeddingGemma 2?
- Gratuito sob Apache 2.0, sujeito à Gemma Prohibited Use Policy. Ainda não há API hospedada do Google nem de provedores de inferência do Hugging Face.
- Quais são as desvantagens de EmbeddingGemma 2?
- Qualidade de texto multilíngue igual à da v1 (61,36 contra 61,15); corrompe a saída silenciosamente em float16; os benchmarks multimodais não têm comparação com rivais.
- Para quem EmbeddingGemma 2 é indicado?
- Desenvolvedores mobile e de edge que constroem busca privada ou offline em texto, código, imagens e áudio.
- Quanto custa EmbeddingGemma 2 para uma equipe ou em produção?
- Sem taxas de licença; o custo é armazenamento e computação. Um milhão de vetores de 768 dimensões ocupa cerca de 1,5 GB em bf16, ou cerca de 250 MB com 128 dimensões, e o modelo só de texto é pequeno o bastante para inferência em CPU.
- EmbeddingGemma 2 é seguro para dados da empresa?
- Os pesos rodam inteiramente no seu hardware, então nenhum dado sai dele. Apache 2.0 (o link da licença Gemma 4 no card leva à página da Apache License 2.0 do Google), e o uso deve seguir a Gemma Prohibited Use Policy.
- Quais são as melhores alternativas ao EmbeddingGemma 2?
- As alternativas mais próximas que analisamos são Gemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker e all-MiniLM-L6-v2.
Respostas verificadas em 26 de out. de 2026.