Google stellt EmbeddingGemma 2 vor. Das offene Modell wandelt Text, Bilder, Video, Audio und Code in Zahlenvektoren um, damit ähnliche Inhalte leichter gefunden und verglichen werden können. Mit 740 Millionen Parametern ist es laut Google das kompakteste Modell seiner Art und übertrifft laut Google auf mehreren Benchmarks teils doppelt so große Konkurrenzmodelle.

Es kann lokal ohne API‑Schlüssel betrieben werden. Pro Anfrage dauert es etwa 20 bis 70 Millisekunden per WebGPU im Browser. Das Modell benötigt nur rund 191 MB RAM und bietet bis zu sechsfache Speicherreduktion für lokale Vektordatenbanken. Für reine Textaufgaben reichen 270 Millionen Parameter.
In Kombination mit etwa Gemma 4 eignet es sich daher für Offline-RAG-Anwendungen mit Datenschutzfokus. Die Gewichte sind auf Hugging Face und Kaggle verfügbar, dazu gibt es einen Entwickler-Guide und Dokumentation.