Google が、端末の中だけで動く、画像や音声まで扱える軽量な検索用モデルを公開した。
何が起きたか
Google は EmbeddingGemma 2 を公開した。埋め込みモデルとは、文章や画像を数値の並び（ベクトル）に変え、意味の近さで探せるようにするものである。今回はテキスト、コード、画像、動画、音声を同じ空間に写せる。全体は 7.4 億パラメータで、文章だけなら 2.7 億で動く。画像用 1.7 億と音声用 3 億の部品を足すと全機能になる。Pixel 11 Pro での使用メモリは、文章のみで約 191MB、全機能で約 567MB。Apache 2.0 ライセンスで、Hugging Face と Kaggle から入手できる。
なぜ重要か
端末内で完結するので、データを外へ送らずに検索機能を作れる。入力できる長さは従来の 4 倍の 8K トークン（AI が文章を区切る単位）になり、コード検索の指標 MTEB Code は 9.92 点上がって 78.68 だった。ただしこれは Google 自身の発表値で、第三者による検証は今回確認できていない。
次に何を見るか
同規模の他モデルと比べた第三者の結果が出るか。端末向けの小さな構成でも、画像や音声の検索品質が保たれるか。公開されたばかりなので、この 2 点が実用性の判断材料になる。