Google publie EmbeddingGemma 2, modèle multimodal de 740 M sous Apache 2.0, 191 Mo RAM en texte seul

Google publie EmbeddingGemma 2, modèle d'embeddings multimodal (texte, image, audio, vidéo dans le même espace) construit sur l'architecture Gemma 4, 740 M de paramètres au total mais modulaire : 270 M pour le texte seul, +170 M pour la vision, +300 M pour l'audio. Fenêtre de 8 K tokens (jusqu'à 5,5 min d'audio ou 29 images), ~191 Mo de RAM en texte seul et ~567 Mo en multimodal complet avec quantization sur Pixel 11 Pro. Sous Apache 2.0 sur Hugging Face et Kaggle, avec supports MediaPipe, LiteRT, vLLM, Ollama.