גוגל השיקה ב־6 באוקטובר 2026 את EmbeddingGemma 2, מודל הטמעה (embedding) פתוח וקטן שכבר לא מוגבל לטקסט: הוא ממפה טקסט, קוד, תמונות, אודיו ווידאו לאותו מרחב וקטורי אחד. המודל נבנה על ארכיטקטורת Gemma 4, כולל 740 מיליון פרמטרים, ומשוחרר ברישיון Apache 2.0 שמתיר גם שימוש מסחרי. הוא תוכנן לרוץ ישירות על הטלפון או המחשב, בלי לשלוח את המידע לענן.
מודל הטמעה הוא הרכיב שהופך תוכן למספרים כדי שאפשר יהיה לחפש לפי משמעות ולא רק לפי מילים מדויקות. הוא הבסיס של מערכות חיפוש חכם ושל RAG, כלומר מערכות שמביאות למודל שפה את המסמכים הרלוונטיים לפני שהוא עונה. לפי גוגל, לגרסה הראשונה, שיצאה בשנה שעברה ועבדה רק עם טקסט, היו יותר מ־20 מיליון הורדות.
מה חדש ב־EmbeddingGemma 2
- מולטימודלי באמת: חיפוש אחד שמחבר בין סוגי מדיה. למשל, למצוא קטע וידאו מסוים לפי הקלטה קולית, או לחפש בשעות של הקלטות אודיו בעזרת שאלה כתובה.
- מודולרי: לעבודה עם טקסט בלבד מספיקים כ־270 מיליון פרמטרים. מקודד התמונה (170 מיליון) ומקודד האודיו (300 מיליון) הם תוספות לפי הצורך.
- חלון הקשר של 8K טוקנים: פי ארבעה מהגרסה הקודמת. לפי גוגל זה מספיק לכ־5.5 דקות אודיו, 29 תמונות או 58 פריימים של וידאו בבקשה אחת.
- חיסכון באחסון: בזכות שיטת Matryoshka אפשר לקצר את הווקטורים מ־768 ממדים ל־512, 256 או 128, וכך להקטין עד פי שישה את נפח מסד הנתונים המקומי.
- זיכרון נמוך: עם קוונטיזציה, על Pixel 11 Pro המודל צורך לפי גוגל כ־191MB זיכרון פעיל לטקסט בלבד וכ־567MB לגרסה המולטימודלית המלאה.
ביצועים, לפי גוגל
גוגל מציגה את EmbeddingGemma 2 כמודל ההטמעה המולטימודלי המוביל בקטגוריה של מתחת למיליארד פרמטרים, במדדים כמו MTEB Code ו־MAEB (אודיו). השיפור הבולט הוא בקוד: הציון ב־MTEB Code עלה מ־68.76 ל־78.68, קפיצה של כמעט 10 נקודות. בטקסט רב־לשוני המודל שומר על רמת הגרסה הקודמת. לפי החברה, הוא אף עוקף כמה מודלים ייעודיים שגדולים ממנו פי שניים ויותר. אלה נתונים של גוגל עצמה, ומבחנים עצמאיים עוד לא פורסמו.
איפה זה זמין
המשקלים זמינים כבר עכשיו ב־Hugging Face וב־Kaggle, וגוגל מבטיחה זמינות גם ב־Model Garden של Gemini Enterprise Agent Platform בהמשך. המודל נתמך בכלים נפוצים כמו transformers, sentence-transformers, Ollama, LM Studio, llama.cpp, vLLM ו־MLX, ואפשר להריץ אותו גם בדפדפן דרך transformers.js ו־WebGPU. למכשירים ניידים יש תמיכה ב־MediaPipe וב־LiteRT, ו־Unsloth פרסמה הנחיות לכוונון (fine-tuning). מכיוון שהוא חולק עם Gemma 4 את ה־tokenizer ואת מקודד האודיו, אפשר להריץ את שניהם יחד בצינור RAG מקומי עם פחות זיכרון.
למה זה חשוב
רוב היכולות המרשימות של AI, כמו אלה של Gemini 4 Argon, רצות בענן. EmbeddingGemma 2 הולך לכיוון ההפוך: חיפוש ושליפה של מידע אישי, כמו תמונות, הקלטות וקבצים, שנשארים על המכשיר. למפתחים ולסטארט־אפים בישראל זו אפשרות חינמית ופתוחה לבנות חיפוש חכם באפליקציה בלי לשלם על כל קריאה ל־API ובלי להעביר מידע רגיש לשרתים חיצוניים. עוד עדכונים במדור חדשות AI.
מקורות
- Google, הבלוג הרשמי (The Keyword): EmbeddingGemma 2: an open, lightweight multimodal embedding model, 6 באוקטובר 2026, blog.google
