Записваш гласова бележка и по нея намираш видеоклипа, за който говориш. Примерът е на самия Google и е по-добър от всяка таблица.
Ето какво е embedding, с една картина. Представи си библиотека, в която нещата не са по азбука, а по смисъл: бележката за морето, снимката от морето и песента за морето седят на един рафт. Моделът подрежда всичко по рафтовете, а търсенето пита кое стои най-близо до твоя въпрос.
Факт
Фактите: на 6 октомври 2026 г. Google DeepMind (автори Sahil Dua и Henrique Schechter Vera) пусна EmbeddingGemma 2 - отворен лек модел за мултимодални embeddings, който нанася текст, код, изображения, видео и аудио в общо пространство. Върху архитектурата Gemma 4, лиценз Apache 2.0, 740 млн параметри. Първата версия от миналата година е само за текст и по данни на Google има над 20 млн сваляния. Контекстът е 8K токена: до 5,5 минути аудио, 29 картинки или 58 кадъра видео. По данни на Google, с квантизация (компресиране на теглата) на Pixel 11 Pro пълният мултимодален модел иска около 567 MB активна памет. По данни на Google в MTEB Code резултатът е 78,68, срещу 68,76 при предшественика. Теглата са в Hugging Face и Kaggle, а в Model Garden на Gemini Enterprise Agent Platform идват скоро.
Не помниш как се казва файлът. Помниш за какво е.
Числото, което те касае, е 567 MB. Толкова иска компресираната пълна версия на един телефон, по данни на Google. При такъв размер търсенето в твоите снимки, записи и клипове може да не излиза от телефона. Google го подава като предимство за поверителността и за скоростта: подреждането става на място и работи и без интернет.
Кодът е второто приложение. На теста за код Google отчита скок от почти 10 точки спрямо първата версия и сочи модела за локално индексиране на кодова база и за търсене от кодиращи агенти.
Не съм го пускал. Числата са на Google, а паметта е мерена на един модел телефон. Лицензът е Apache 2.0 и позволява търговска употреба, така че който прави приложение за снимки или бележки, вече има с какво да търси в тях, без да ги праща в облака.
Официални първоизточници
Google - EmbeddingGemma 2: an open, lightweight multimodal embedding model, 06.10.2026Hugging Face - google/embeddinggemma-2 (теглата и лицензът Apache 2.0)Визуалът към статията е генериран код-арт, без чужди изображения.