Google lança EmbeddingGemma 2 com foco em IA multimodal nos dispositivos

O novo modelo do Google reforça a aposta em sistemas capazes de localizar e relacionar conteúdos sem depender de conexão constante com servidores externos.

O Google lançou o EmbeddingGemma 2, modelo aberto com 740 milhões de parâmetros criado para gerar embeddings de texto, código, imagem, áudio e vídeo diretamente em dispositivos, com foco em aplicações locais de busca, recuperação de informações e sistemas multimodais. A nova geração amplia o escopo do EmbeddingGemma original, antes concentrado em texto, e procura reduzir a dependência de servidores externos ao oferecer uma arquitetura modular, compatível com uso comercial e adaptada a celulares, computadores e equipamentos com recursos limitados.

Modelo reúne diferentes formatos em um mesmo espaço vetorial

Construído sobre a arquitetura Gemma 4, o EmbeddingGemma 2 permite relacionar semanticamente conteúdos de naturezas distintas dentro de uma única representação vetorial, o que amplia as possibilidades de pesquisa e recuperação contextual.

Na prática, uma aplicação pode utilizar uma consulta escrita para localizar trechos de áudio, identificar momentos específicos de um vídeo ou encontrar imagens relacionadas a uma determinada descrição sem recorrer a modelos separados.

A arquitetura também pode operar de forma modular, característica que permite ativar apenas os componentes necessários para cada tipo de tarefa e limitar o consumo de memória disponível.

Em operações exclusivas com texto, o sistema trabalha com aproximadamente 270 milhões de parâmetros, enquanto o suporte visual adiciona cerca de 170 milhões e o componente de áudio utiliza aproximadamente 300 milhões.

Essa organização oferece aos desenvolvedores maior flexibilidade para ajustar o tamanho da aplicação ao hardware disponível, aspecto relevante para dispositivos móveis e ambientes com capacidade computacional restrita.

O modelo adota tecnologia semelhante à usada nos sistemas Gemini Embedding, mas prioriza execução local, menor consumo de recursos e aplicações que exigem resposta rápida sem conexão permanente com infraestrutura remota.

Redução de memória amplia uso local

Outro elemento importante está no uso de Matryoshka Representation Learning, técnica que permite reduzir vetores originalmente criados com 768 dimensões para formatos menores de 512, 256 ou 128 dimensões.

Essa redução pode cortar em até seis vezes o espaço necessário para armazenar bancos vetoriais locais e diminuir a memória utilizada durante aplicações baseadas em busca semântica.

Com quantização, uma configuração voltada apenas para texto necessita de aproximadamente 191 MB de memória RAM ativa em um Google Pixel 11 Pro.

Na configuração multimodal completa, o consumo sobe para cerca de 567 MB no mesmo aparelho, patamar que mantém a proposta de executar diferentes tarefas diretamente no dispositivo.

A janela de contexto também cresceu para 8 mil tokens, limite quatro vezes superior ao disponível na geração anterior e suficiente para processar combinações mais amplas de diferentes formatos.

Dentro desse espaço, o modelo pode trabalhar localmente com aproximadamente 5,5 minutos de áudio, até 29 imagens ou cerca de 58 quadros de vídeo, além de misturas entre esses conteúdos.

Essas características podem favorecer aplicações com arquivos pessoais ou corporativos porque reduzem a necessidade de transferência contínua de informações para servidores externos.

A execução no próprio dispositivo também tende a diminuir latência, preservar funcionamento offline e ampliar o controle sobre dados armazenados localmente.

Código e RAG multimodal ganham espaço

O EmbeddingGemma 2 também apresentou avanço em tarefas relacionadas a código, área na qual sua pontuação no MTEB Code passou de 68,76 para 78,68 pontos.

A diferença de 9,92 pontos amplia o potencial do modelo para indexação de repositórios, pesquisa semântica entre arquivos e recuperação de informações utilizadas por agentes de programação.

O Google também posiciona o sistema como componente para pipelines de geração aumentada por recuperação, conhecidos como RAG, nos quais um modelo encontra informações relevantes antes de produzir uma resposta.

Quando combinado ao Gemma 4, o EmbeddingGemma 2 pode participar de fluxos multimodais executados diretamente no dispositivo, com recuperação local de arquivos antes da interpretação realizada pelo modelo generativo.

Como ambos compartilham elementos da arquitetura, entre eles recursos de tokenização de texto e processamento de áudio, a operação conjunta pode consumir menos memória do que sistemas totalmente independentes.

Essa integração abre espaço para assistentes capazes de pesquisar arquivos locais, interpretar resultados e responder com contexto sem depender continuamente de serviços externos.

Google amplia possibilidades para busca multimodal

Entre as aplicações apresentadas estão mecanismos de pesquisa em bibliotecas de mídia, nos quais uma imagem ou descrição textual pode servir como ponto inicial para encontrar materiais semanticamente relacionados.

O mesmo princípio pode localizar partes específicas de vídeos a partir de comandos escritos ou gravações de voz, possibilidade que amplia usos em organização de arquivos, produtividade e análise de conteúdo.

Há ainda aplicações voltadas a classificação, roteamento e tomada de decisão em tempo real, especialmente quando diferentes modalidades precisam ser analisadas dentro de um mesmo fluxo.

O Google afirma que o EmbeddingGemma 2 apresenta resultados competitivos entre modelos multimodais com menos de 1 bilhão de parâmetros e, em algumas avaliações, supera alternativas especializadas significativamente maiores.

Os pesos foram disponibilizados no Hugging Face e no Kaggle, enquanto uma oferta futura também está prevista para o Model Garden da plataforma Gemini Enterprise Agent.

Para implantação local, o modelo possui integração com MediaPipe e LiteRT, além de alternativas para execução em navegador por meio de transformers.js e WebGPU.

O ecossistema também contempla ferramentas como transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama e LMStudio, além de armazenamento vetorial por meio do Qdrant.

O lançamento sucede a primeira versão do EmbeddingGemma, que superou 20 milhões de downloads e ganhou espaço principalmente em mecanismos de busca local e sistemas de RAG voltados à privacidade.