# Google EmbeddingGemma 2 lägger till multimodal sökning

> Googles modell med öppna vikter bäddar in text, kod, bilder, video och ljud i samma vektorrum, med mindre versioner för användning direkt på enheten.

Oossa · 2026-10-19 · https://oossa.com/sv/google-s-embeddinggemma-2-adds-multimodal-search

Google EmbeddingGemma 2 är en modell med öppna vikter för sökning och informationshämtning som stöder text, kod, bilder, video och ljud. Enligt Google placeras allt i ett gemensamt 768-dimensionellt rum, så att utvecklare kan söka över olika medietyper utan att behöva hantera separata vektorrum. Modellen finns på Hugging Face under licensen Apache 2.0.

Utvecklare kan ladda enbart de kodare de behöver: modellen sträcker sig från 270 miljoner parametrar för text och kod till 740 miljoner för fullt multimodalt stöd. Vektorerna kan också kortas för att spara minne, men Google uppger att kvaliteten på informationshämtningen vid 128 dimensioner sjunker till cirka 75 % för bilder, video och tal.

## Fakta

- Licens: Apache 2.0; finns på Hugging Face.
- Vid 128 dimensioner uppger Google att kvaliteten motsvarar cirka 90 % för text och 75 % för informationshämtning från bilder, video och tal.

## Varför det spelar roll

Utvecklare som bygger lokal sökning kan använda en enda modell för att hitta innehåll i både dokument och medier. Men kortare vektorer sparar lagringsutrymme på bekostnad av sämre resultat vid sökningar som inte gäller text. Källan redovisar inga oberoende testresultat.

## Källor och referenser

1. [EmbeddingGemma 2 Expands Beyond Text to Support Code, Images, Video, and Audio](https://www.infoq.com/news/2026/10/embeddinggemma-2-multimodal/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-19

Senast uppdaterad: 2026-10-19