Google lança EmbeddingGemma 2: o primeiro modelo de incorporação multimodal aberto

A Google apresentou o EmbeddingGemma 2, um modelo aberto com 740 milhões de parâmetros que suporta texto, código, imagens, vídeo e áudio diretamente no dispositivo.
A Google lançou o EmbeddingGemma 2, o primeiro modelo de incorporação (embedding) multimodal aberto que funciona nativamente com texto, código, imagens, vídeo e áudio.
O modelo possui 740 milhões de parâmetros e uma arquitetura modular. Foi projetado para executar diretamente no dispositivo, em vez de depender de data centers.
O EmbeddingGemma 2 supera alguns modelos especializados que têm mais do dobro do seu tamanho.
Quando combinado com o Gemma 4, permite construir uma pilha RAG totalmente local, com forte foco na privacidade.
Por que isso importa
AnáliseAs incorporações multimodais no dispositivo reduzem a dependência de APIs na nuvem e tornam os sistemas locais de RAG privados mais acessíveis.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
NotebookLM e Áudio-Visão Geral (Podcast a partir de resumos)
Ferramenta gratuita de pesquisa da Google, baseada nos modelos Gemini. Responde estritamente com base nas fontes carregadas (sem alucinações) e é capaz de transformar relatórios tediosos em podcasts de áudio conversacionais dinâmicos.
Google apresenta Gemini 4 Neon: modelo supera Claude Opus 5.5 e GPT-6.2 Sol em código e agentes
O Google apresentou a Gemini 4 Neon, uma nova IA que, segundo os resultados divulgados, supera a Claude Opus 5.5 e a GPT-6.2 Sol na maioria dos testes.
Jev e System One AI: guia prático completo sobre o modelo de decisão da TypeSafe
Análise técnica aprofundada do modelo principal Jev: arquitetura System One versus LLM, primitivos Choice/Score/Noul, paralelismo de requisições, matemática da confiança, casos de vídeo, código e visão geral de alternativas open-weight locais (Laya, GLiNER2.5, CLM-8B).
Conexão de bases de conhecimento (Google Drive, Notion, Confluence)
Tecnologia de integração de fontes corporativas de dados com modelos de linguagem usando conectores prontos (Connectors / ETL). Sincroniza automaticamente documentos atualizados do Google Drive, Notion, Confluence e Slack com a base vetorial, sem necessidade de upload manual de arquivos.