何が発表されたのか

Google DeepMindが発表したEmbeddingGemma 2は、文章を数値ベクトルに変換する「埋め込み」モデルです。検索対象と質問文を同じベクトル空間へ写し、意味が近い内容を探す仕組みに使えます。今回はテキストに加えて、コード、画像、動画、音声も扱う設計が示されました。

モデルはGemma 4アーキテクチャを基にし、GoogleはApache 2.0ライセンスで公開しています。モデル規模は約7億4000万パラメーターです。

モデルの主なポイント

テキスト専用の処理では270Mパラメーターから使え、画像用と音声用のエンコーダーを加えればマルチモーダル処理もできます。これはGoogleが説明した構成です。すべての入力形式を、常に同じ構成で有効にしておく必要はありません。

量子化したモデルをPixel 11 Proで測定した結果も公表されました。テキスト専用では約191MB、フルマルチモーダル構成では約567MBのアクティブRAMを使うとGoogleは報告しています。測定はGoogleの条件に基づくため、別の端末やアプリで同じ量になるとは限りません。

提供時期とモデルの使い方

発表日は2026年10月6日です。モデルウェイトはHugging FaceとKaggleから利用できます。Gemini Enterprise Agent PlatformのModel Gardenにも近日提供予定との案内があります。ライセンスはApache 2.0ですが、実装時には使う配布物ごとの利用条件も確認しておくのがよさそうです。

コンテキスト長は8Kトークンと案内されています。発表記事には料金や日本からの利用条件が明記されていません。実際の配布先や動作環境は各公開ページで確認してください。

誰が対象になるのか

端末内検索、コードベース検索、音声メモからの動画検索など、複数形式の素材を横断して探したい開発者が主な対象です。Google自身も、音声メモから動画の場面を探す例や、文章・画像によるメディア検索を挙げています。

埋め込みモデルは回答文を生成するモデルとは役割が異なります。主に作るのは、検索候補を探すためのベクトル表現です。最終的な説明を返すには、検索処理や生成モデルも組み合わせるのが一般的です。

ラボの分析

プログラマー・クリエイター視点での読みどころ

画像・文章・音声・動画を別々の埋め込みモデルに通さず、共通の空間で比較できるなら、検索システムの設計を単純化できる可能性があります。発表では、端末上で埋め込みを作ることでプライバシーに配慮しやすくなり、遅延も抑えられ、オフラインで横断検索ができるとされています。端末内で処理できる範囲が広がれば、元データを外部へ送る機会を減らせる可能性もありますが、そこはアプリの実装次第です。

ただし、実運用ではモデルの配布サイズだけでなく、対象端末での実行時間、電池消費、同時に保持するデータ量、検索精度を測る必要があります。GoogleのRAM値をそのまま最低要件として見積もるより、自分のデータで試しておくのがよさそうです。

気になる点・未確認事項

MTEB CodeやMAEBでは高いスコアを出したと同社は報告していますが、掲載されている比較はGoogleのベンチマーク結果です。対象データや端末をそろえた第三者の速度・電力・精度比較とは区別して読みたいところです。

また、テキスト専用構成とフルマルチモーダル構成では必要な計算資源が変わります。公開ウェイトがあることだけで、すべてのスマートフォンで快適に動くとは限りません。具体的な端末要件や日本向けの配布条件は、導入前に確認が必要です。

まとめ

Googleは埋め込みモデルを端末内のマルチモーダル検索へ広げます。公開ライセンスと用途の広さは注目点ですが、RAMやベンチマークはGoogleの測定・評価として読み、実装先で再確認することが大切です。

情報源

一次情報 · GoogleEmbeddingGemma 2: an open, lightweight multimodal embedding model

https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/

原文公開日:2026-10-06

出典は上記のリンクから確認できます。発表元の説明と、編集部による分析・試算は本文中で区別しています。