Google yeni nəsil EmbeddingGemma 2 açıq modelini təqdim edib. Model mətn, proqram kodu, şəkil və audio faylları birbaşa istifadəçinin cihazında analiz edərək onların arasında açar sözlərə deyil, məzmuna və mənaya əsaslanan axtarış aparmağa imkan verir. Ən vacibi isə odur ki, məlumatların emalı buluda göndərilmədən lokal şəkildə həyata keçirilir.
Bu yanaşma adi fayl axtarışından xeyli fərqlənir. Məsələn, istifadəçi smartfonunda konkret ifadəni və ya fayl adını xatırlamasa belə, axtardığı məlumatı təsvir etməklə uyğun sənədləri, şəkilləri və digər faylları tapa bilər. Üstəlik, şəxsi məlumatlar serverlərə ötürülmədiyi üçün məxfilik də qorunur.
EmbeddingGemma 2, Gemma 4 arxitekturası əsasında hazırlanıb və Apache 2.0 kommersiya lisenziyası ilə açıq şəkildə təqdim olunur. Modelin əsas üstünlüklərindən biri modul quruluşudur. Onun maksimum ölçüsü cəmi 740 milyon parametrdir, lakin bütün modulları eyni vaxtda istifadə etmək məcburi deyil. Məsələn, yalnız mətn üçün 270 milyon parametr, şəkillərin emalı üçün əlavə 170 milyon, audio üçün isə 300 milyon parametr tələb olunur.
Google həmçinin modeldə Matryoshka Representation Learning texnologiyasından istifadə edib. Bu texnologiya məlumatların rəqəmsal təsvirlərini ehtiyaca uyğun sıxmağa imkan verir və axtarış bazalarının tutduğu yaddaşı 6 dəfəyə qədər azaltmağa kömək edir.
Performans baxımından da EmbeddingGemma 2 iddialıdır. MTEB və MAEB testlərində model 1 milyarddan az parametrə malik sistemlər arasında ən yüksək nəticələrdən birini göstərib. Xüsusilə proqram kodu üzrə axtarışda ciddi irəliləyiş qeydə alınıb: MTEB Code testində nəticə 68,76 baldan 78,68 bala yüksəlib. Bu isə modeli proqramçılar üçün yaradılan süni intellekt köməkçilərində istifadə etmək üçün xüsusilə maraqlı edir.
Modelin başqa bir üstünlüyü onun smartfonlarda işləyə bilməsidir. Məsələn, Pixel 11 Pro üzərində kvantlaşdırılmış versiyanın testləri zamanı yalnız mətn rejimi üçün cəmi 191 MB RAM, mətn, şəkil və audio daxil olmaqla multimodal rejim üçün isə təxminən 567 MB RAM tələb olunub. Yəni belə bir sistemin işləməsi üçün güclü bulud serverlərinə daim qoşulmaq vacib deyil.
EmbeddingGemma 2-nin Gemma 4 ilə ortaq tokenizator və audio kodlaşdırıcısından istifadə etməsi də onu cihazlarda sürətli və qənaətcil RAG sistemləri yaratmaq üçün əlverişli edir. Modeli transformers, llama.cpp, Ollama və LM Studio kimi məşhur alətlərə inteqrasiya etmək mümkündür.
Modelin çəkiləri artıq Hugging Face və Kaggle platformalarında təqdim olunur. Yaxın zamanda isə EmbeddingGemma 2-nin Gemini Enterprise Agent Platform üzərindən də istifadəyə verilməsi gözlənilir.
