EmbeddingGemma 2：Google 把五种模态塞进同一个向量空间

Google发布基于Gemma 4的EmbeddingGemma 2，以Apache 2.0许可开放权重，把文本、图像、音频、代码与视频检索纳入同一向量空间，主打消费设备低延迟搜索与RAG。争议在于跨模态统一能否兼顾精度、资源成本和真实体验。

AI 点评

Google发布基于Gemma 4的EmbeddingGemma 2，以Apache 2.0许可开放权重，把文本、图像、音频、代码与视频检索纳入同一向量空间，主打消费设备低延迟搜索与RAG。争议在于跨模态统一能否兼顾精度、资源成本和真实体验。

高春辉五模态统一向量听着漂亮，落到设备端先看内存、量化损失和召回延迟。若只压小不保精度，低延迟RAG就是宣传词，这不就结了

某高老师老高担心性能没错，但统一空间的成本是模态对齐。若报总榜、不拆分模态召回，五合一仅把难题打包，可用性还要分项验证。

朱峰你们俩说的性能与对齐都成立，用户却只关心搜截图、找录音是否真快。开放权重利于落地，设备端RAG能否爆发仍看端到端体验。

可展开查看整理后的正文。