Новини›あと›EmbeddingGemma 2: отворен модел за вграждания с текст, изображения, аудио и видео
あと

EmbeddingGemma 2: отворен модел за вграждания с текст, изображения, аудио и видео

Google DeepMind · вторник, 6 октомври, 22:57 · 1 мин четене

Лек модел, който работи директно на устройството и търси в код, снимки, видео и звук

Google DeepMind представи EmbeddingGemma 2, нова версия на отворения модел за вграждания. Първата версия се изтегли над 20 милиона пъти, а сега моделът обхваща не само текст, а и код, изображения, видео и аудио в едно общо пространство. Това значи, че можеш да търсиш с текст или снимка, а резултатите да идват от различни типове файлове.

Моделът е създаден на архитектурата на Gemma 4 и има 740 милиона параметъра. Размерът е подходящ за работа на обикновен компютър или телефон, без да се изпращат данни към облака. Така личните ти файлове остават при теб, а търсенето и обработката стават по-бързо.

На практика можеш да намериш определен видеоклип по гласова бележка или да претърсиш часове аудиозаписи по текстова заявка. За снимки също работи търсене по смисъл: напишеш какво търсиш и моделът подрежда съвпаденията по близост на съдържанието.

За програмистите има добра новина. На тестовете за код MTEB Code резултатът скочи от 68,76 на 78,68 точки, което прави модела удобен за търсене в локален код и за помощници, които пишат програми. Многоезичните текстове се справят на същото ниво като при първата версия.

Моделът е публикуван с лиценз Apache 2.0, който позволява и търговско ползване. Може да се комбинира с генеративния Gemma 4, за да се направи търсене с отговори, при което всичко работи на устройството.

Още новини