Google EmbeddingGemma 2 — 공개형 경량 멀티모달 임베딩 모델

Google DeepMind의 EmbeddingGemma 2는 텍스트, 코드, 이미지, 동영상, 오디오를 하나의 임베딩 공간에 매핑하는 공개형 모델입니다. 7억 4천만 개 파라미터로 기기에서 실행하며, MTEB Code 점수는 이전 모델의 68.76에서 78.68로 올랐습니다.

주제: AI 검색 온디바이스

에디터 노트

임베딩 모델 하나로 다섯 유형의 콘텐츠를 같은 공간에서 검색한다는 설계와 온디바이스 실행 수치는 게시물의 구체적인 내용입니다. MTEB Code 점수도 68.76에서 78.68로 올랐다고 제시합니다. 다만 기기 메모리 수치는 Pixel 11 Pro 기준이며, 댓글에서 물은 지원 기기 범위나 다른 기기에서의 성능은 확인되지 않습니다. 첫 댓글은 모듈 구성, 호환 도구, 추가 벤치마크를 자세히 언급하지만 제품 게시물에 나온 정보와 구분해야 합니다. 현재 제시된 수치만으로는 다양한 기기에서의 실제 검색 품질과 실행 조건까지 판단하기 어렵습니다.

AI 요약

Google DeepMind가 텍스트, 코드, 이미지, 동영상, 오디오를 단일 임베딩 공간에 매핑하는 EmbeddingGemma 2를 공개했습니다. 따라서 텍스트 질의로 이미지나 동영상 같은 다른 유형의 콘텐츠를 검색하는 용도로 쓸 수 있습니다. 모델은 7억 4천만 개 파라미터이며, 게시물은 Pixel 11 Pro에서 전체 멀티모달 모델에 약 567MB, 텍스트 전용 모델에 약 191MB의 RAM이 필요하다고 설명합니다. Apache 2.0 라이선스를 적용했으며 가중치는 Hugging Face와 Kaggle에서 제공합니다.

검색 성능

게시물에 따르면 MTEB Code 점수는 68.76에서 78.68로 상승했습니다. 이는 코드 검색 성능을 비교한 수치이며, 게시물은 다른 벤치마크나 기기별 실행 성능의 측정 조건은 제시하지 않습니다.

Product Hunt 반응

@rohanrecommends — EmbeddingGemma 2는 Google DeepMind의 공개형 경량 멀티모달 임베딩 모델입니다. 텍스트, 코드, 이미지, 동영상, 오디오를 하나의 공간에 매핑하며 휴대전화에서 실행할 만큼 작습니다. 문제: 의미 기반 검색에는 보통 여러 모델로 구성한 파이프라인이 필요합니다. 이미지 캡션 모델, 오디오 음성 인식 모델, 그 위에 텍스트 임베더를 따로 둡니다. 이 방식은 느리고 메모리를 많이 쓰며 데이터를 클라우드로 보내는 경우가 많습니다. 개인정보를 지키는 온디바이스 앱에서는 어려운 절충입니다. 해결책: Gemma 4 아키텍처를 기반으로 한 7억 4천만 개 파라미터 모델 하나가 다섯 가지 콘텐츠 유형을 같은 공간에 임베딩합니다. 텍스트 질의로 사진을 찾고 음성 메모로 동영상 클립을 찾을 수 있습니다. 모든 처리가 로컬에서 이뤄지므로 데이터가 기기 밖으로 나갈 필요가 없습니다. 차별점은 모듈식 구조입니다. 필요한 인코더만 불러올 수 있습니다. 텍스트와 코드용으로는 2억 7천만 개 파라미터만 쓰고 비전 인코더 1억 7천만 개와 오디오 인코더 3억 개를 선택적으로 추가합니다. Pixel 11 Pro에서 양자화하면 텍스트 전용 모델은 약 191MB, 전체 멀티모달 모델은 약 567MB의 RAM을 씁니다. Gemma 4와 토크나이저와 오디오 인코더를 공유하므로 두 모델을 함께 실행할 때 각각 따로 실행하는 것보다 메모리를 덜 씁니다. 주요 기능: 텍스트, 코드, 이미지, 동영상, 오디오를 하나의 임베딩 공간에서 처리합니다. 컨텍스트 길이는 8K 토큰으로 EmbeddingGemma 1의 네 배이며 오디오 약 5.5분, 이미지 29장, 동영상 프레임 58개를 처리하기에 충분합니다. 벡터 차원을 768에서 512, 256, 128로 줄여 저장 공간을 최대 6분의 1까지 낮출 수 있습니다. MTEB Code 검색 점수는 68.76에서 78.68로 9.92점 올랐습니다. Google은 MTEB Code와 오디오 MAEB 같은 벤치마크에서 10억 개 미만 멀티모달 임베딩 모델 중 앞선다고 말합니다. 제로샷 온디바이스 의사결정 엔진으로도 쓸 수 있습니다. Google의 MediaPipe 데모는 체스 한 수마다 100밀리초 이내에 500개 선택지를 점수화합니다. Transformers, Sentence Transformers, MLX, vLLM, llama.cpp, SGLang, Ollama, LM Studio, Qdrant, Unsloth와 함께 쓸 수 있습니다. 대상은 비공개 오프라인 검색, RAG, 미디어 검색, 로컬 코드베이스 검색을 개발하는 사람과 클라우드에 의존하지 않고 크로스모달 검색을 원하는 사람입니다. 덧붙임: 저는 기술, SaaS, AI 분야의 최신 제품 출시를 찾아 소개합니다. 알림을 받으려면 팔로우하세요. @rohanrecommends
@garciafrey — 출시를 축하합니다! 이처럼 가벼운 공개형 멀티모달 임베딩 모델은 로컬 검색 기능을 제품에 넣기 훨씬 쉽게 해줍니다. 온디바이스 사용은 어떤 기기 사양까지 목표로 삼으시나요?
@karimbenkeroum — EmbeddingGemma 2가 텍스트, 이미지, 오디오, 동영상을 하나의 임베딩 공간에 매핑해 단일 질의로 어떤 유형의 콘텐츠에서든 알맞은 결과를 찾을 수 있다는 점이 좋습니다.

원문: Product Hunt / 번역·요약: Trawling

원문 보기 ↗토론 보기 ↗