Google、EmbeddingGemma公開

EmbeddingGemma 2は、アプリが画像や音声を検索するたびにクラウドの埋め込みサービスを呼び出す状況からの転換を後押しする。オープンウェイトで、エンコーダあたり270M〜740Mパラメータの規模だから、必要なモダリティだけを読み込んでメモリ使用量を抑えられる。共有の768次元空間と組み合わせれば、テキストクエリで画像・動画・音声に到達でき、モダリティごとに別モデルを用意する必要はない。記事はこれを破壊的変更ではなく追加の選択肢として提示しており、既存システムはそのままでよい。

開発者ガイドの提案もこの位置づけを補強する。選択的読み込みとMatryoshka表現学習は、検索精度を多少犠牲にしてベクトル保存量を大きく減らす手段として示されるが、本文は精度がどれだけ落ちるかには触れていない。同じ慎重さはモデル自体にも当てはまる。原資料にはベンチマーク数値、言語リスト、ライセンス条件、メモリ要件がなく、コード例もモデルIDや引数名がプレースホルダーの概念的なものだと明記されている。

鍵を握るのはリリースそのものよりも、その後の取り組みだ。チームが768・512・256・128次元を自社データで試し、採用前に公式ドキュメントを確認するかどうか。プライバシーに敏感なメディアを扱うモバイル・組み込み開発者や、ベクトルDBコストを注視するチームが、これらの確認が実を結べば最も恩恵を受けそうだ。