구글 딥마인드가 10월 6일 텍스트·코드·이미지·동영상·오디오 등 5가지 모달리티를 하나의 768차원 임베딩 공간에 매핑하는 7억4000만 매개변수 오픈모델 'EmbeddingGemma 2'를 아파치 2.0 라이선스로 공개했다. 젬마4 아키텍처 기반으로 텍스트·시각·오디오 인코더를 독립적으로 결합해 필요에 따라 2억7000만~7억4000만 매개변수 구성을 선택할 수 있으며, 컨텍스트 윈도우는 전작의 4배인 8192토큰으로 늘었다. 벤치마크에서는 코드 검색 점수(MTEB Code)가 68.76점에서 78.68점으로 크게 향상됐고, 매트료시카 표현 학습으로 벡터를 768차원에서 128차원까지 축소해 저장 공간을 최대 6배 줄일 수 있다. 픽셀11 프로 기기에서 양자화 시 텍스트 전용은 약 191MB, 멀티모달 전체는 약 567MB의 메모리로 구동 가능하다.
- •EmbeddingGemma 2는 5가지 모달리티를 하나의 768차원 공간에 매핑하는 7억4000만 매개변수 오픈모델
- •코드 검색 벤치마크(MTEB Code) 점수가 68.76→78.68로 대폭 상승
- •매트료시카 표현 학습으로 벡터 차원을 축소해 저장 공간 최대 6배 절감
- •온디바이스 최적화로 픽셀11 프로에서 텍스트 전용 약 191MB 메모리만으로 구동
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
DeepMind Debuts EmbeddingGemma 2, Mapping Five Modalities Into One Space
- 1.구글 딥마인드, 7.4억 파라미터 오픈모델 EmbeddingGemma 2 출시 — 5개 모달리티를 768차원 공간에 통합
- 2.Gemma 4 기반, MTEB 코드 점수 68.76→78.68로 상승, 컨텍스트는 전작 대비 4배인 8192토큰
- 3.매트료시카 표현학습으로 벡터를 768→128차원까지 축소, 저장공간 최대 6배 절감
- 4.픽셀11 프로 기준 텍스트 전용 191MB, 전체 멀티모달 567MB RAM으로 온디바이스 구동
왜 중요한가?
온디바이스에서 5개 모달리티를 하나의 임베딩 공간으로 묶으면서도 10억 파라미터 미만으로 선두권 성능을 낸다는 점에서, 프라이버시 중심 검색·RAG의 모바일·엣지 배포 문턱을 낮춘다.
본문 미리보기
Google DeepMind launched EmbeddingGemma 2 on October 6, 2026, a 740-million-parameter open model that maps text, code, images, video, and audio into a single 768-dimensional embedding space, released under the Apache 2.0 license and designed to run on consumer hardware. The model was unveiled in a post on Google's official blog by Google DeepMind research engineers Sahil Dua and Henrique Schechter Vera. Google describes EmbeddingGemma 2 as the most capable model for on-device multimodal…
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:53AI 초안
