谷歌开源「全模态六边形战士」！7.4 亿参数，手机断网照样跑

（来源：AI信息Gap）

你手机相册里那几千张说好回头再看的照片，这回真有救了。

谷歌前几天开源了一个名为 EmbeddingGemma 2 的全模态嵌入模型。照片、截图、视频、录音，你打几个字描述一下，它就能在你手机或电脑本地帮你翻出来，全程不用联网。只搜索文字的话，它在手机上只占用 191MB 内存。网友，「比我微信缓存还小得多。」

我用中文实测了一轮。搜「6583」，它从一堆照片里翻出了那张写着取件码的快递截图。你敢信，它事先根本没把图里的字识别出来，全靠看图。接着我让它听中文语音找图，6 次只找对了 1 次。

EmbeddingGemma 2 眼睛很尖，中文耳朵还不太灵。

嵌入模型名气没有文本模型那么大，可搜索、推荐、AI 知识库（RAG）背后都得靠它。它干的活儿，是把一段内容变成一串数字，相当于在一张地图上给它标个坐标，语义相近的离得近，不相干的离得远。

以前这张地图基本只认识文字，图片得先配上文字说明，录音得先转成文字，才能到地图上去搜索。EmbeddingGemma 2 把文字、代码、图片、视频、音频全都标在了同一张地图上。一张火烈鸟的照片、一段火烈鸟的视频、一段解释火烈鸟为什么是粉红色的文字，坐标邻近，你搜其中一个，另外两个也会被带出来。

EmbeddingGemma 2 总计有 7.4 亿参数，可以拆分为三部分，文字部分 2.7 亿，看图看视频的视觉部分 1.7 亿，听声音的音频部分 3 亿，用不上的那部分参数可以不加载。所以，它量化后在谷歌 Pixel 11 Pro 手机上，只搜文字时仅占用 191MB 内存，三部分参数全部加载也才占用 567MB。

作为开源模型，EmbeddingGemma 2 的许可证是 Apache 2.0，可以放心拿去商用。谷歌官方称它和自家的 Gemini Embedding 嵌入模型底层用的是同一套技术。但 Gemini Embedding 只能调用谷歌的云端接口，用量大了要按量付费；EmbeddingGemma 2 能装进手机和电脑，算是一个完全免费的青春版。

EmbeddingGemma 2 和大香蕉 Nano Banana 2.1 同一天发布，网友吐槽，「除了 Gemini 4 Argon，谷歌把能发布的都发布了。」

谷歌官方的演示全是英文，我更关心中文行不行。

我在一台 MacBook Pro 上把 EmbeddingGemma 2 跑了起来，没有独显，全靠 CPU。测试素材是 24 张照片，火锅、长城、熊猫、麻将、春联、早高峰的地铁，再加上我照着常见 App 样式制作的 8 张手机截图，高铁票、外卖单、快递取件码、体检报告、群聊记录。

用中文描述去搜照片，24 次测试有 23 次，第一个结果就是对的。口语它也轻松拿捏，12 句口语有 9 句一次过，搜索「我家主子在电脑上睡着了」，出来的是一只趴在键盘上的猫；「上次撸串」找到烤羊肉串，「早高峰」找到挤满人的地铁车厢。但 EmbeddingGemma 2 偶尔也会犯迷糊，把「国宝」认成了长城，「国粹」认成了舞狮，搜「加班写 bug」，第一名还是那只猫。毕竟只是个小模型。

搜索截图我发现 EmbeddingGemma 2 意外的强。8 张截图和 6 张照片混在一起，16 次搜索有 15 次第一个就对，搜「G1234」找到高铁票，搜「胆固醇偏高」找到体检报告，搜「香山爬山」找到了群聊截图。

它甚至连你的语音备忘录也能搜。

8 段电脑合成的中文语音，模型同样没有事先将语音转成文字，我打字问「这个月房租多少钱」「快递取件码」「回老家的高铁几点发车」，8 次找对了 6 次。

继续测试，让它分辨环境噪音，以及用中文和它对话。

15 段环境声，狗叫、下雨、海浪、翻书，用英文描述去搜，9 次一遍正确；同样的音频换成中文，就只有 4 次正确。换成用语音找照片，实测英文准确率出奇得高，中文依旧稍差一点。

EmbeddingGemma 2 体感速度相当快。

根据谷歌官方的数据，M5 Pro 芯片的 MacBook Pro + CPU 处理一张图要 0.15 秒，Pixel 11 Pro XL + NPU 只要 0.05 秒。

EmbeddingGemma 2，全模态支持 + 同体量最强。

代码检索，它只调用 2.7 亿参数的文字部分就能获得 78.68 分，比上一代的 68.76 分高出一大截，也超过了阿里 Qwen3-Embedding-0.6B 的 75.41 分。纯文字的综合跑分倒是和上一代几乎一样，61.36 vs 61.15。

音频检索它输给了 Jina AI 的 jina-embeddings-v5-omni-nano。

不过 Jina 这个模型用的是非商用许可。10 亿参数以内、文字图片视频音频都能处理的开源嵌入模型里，目前能免费商用的只有谷歌这一个。

想试试 EmbeddingGemma 2，最省事的方法是手机。

谷歌官方 App Google AI Edge Gallery，这次新增了两个新功能。「即时媒体搜索」用一句话或者一张照片搜相册，边打字边出结果；「视频时刻查找」里，选一段本地视频，输入一段描述，它会标出对应的时间点。Google AI Edge Gallery 里全是本地 AI 模型，完全免费。

懒得下载 App，浏览器里也能玩。Hugging Face 专门上线了一个 EmbeddingGemma 2 网页演示，输入中文「鸟」，不到半秒，屏幕上就排满了各种鸟的照片。

本地部署推荐用 Ollama，一行命令 ollama pull embeddinggemma-2 就能把 EmbeddingGemma 2 下载到本地。