Google lanzó EmbeddingGemma 2 el 6 de octubre, un modelo de inteligencia artificial que transforma texto, código, imágenes, audio y video en representaciones comparables. Estas representaciones, llamadas embeddings, sirven para recuperar información por sentido y conectar búsquedas entre distintos formatos.
El modelo se basa en Gemma 4, tiene 740 millones de parámetros y se publica con licencia Apache 2.0. Su diseño permite utilizar la parte textual o incorporar codificadores de imagen y audio. Ofrece una ventana de contexto de 8.000 tokens y vectores que pueden reducirse de tamaño para ahorrar almacenamiento.
Google lo plantea para búsquedas y sistemas de generación con recuperación de información, conocidos como RAG, que funcionen localmente. Entre los ejemplos figuran encontrar un fragmento de video mediante voz o recuperar archivos antes de consultar un modelo generativo. La empresa publica resultados en pruebas de código, visión y audio y atribuye al modelo mejoras frente a su versión anterior. Las cifras dependen de las tareas evaluadas y del equipo utilizado. Los pesos están en Hugging Face y Kaggle; la disponibilidad en el catálogo de Google se anuncia como próxima, no como completada.