Google DeepMind, Çok Modüllü Yeni Açık Kaynaklı Modeli EmbeddingGemma 2'yi Duyurdu

Google DeepMind, cihaz üstü yapay zeka uygulamaları için geliştirdiği yeni açık ağırlıklı ve çok modüllü modelini duyurdu. Araştırma mühendisleri Sahil Dua ve Henrique Schechter Vera tarafından tanıtılan EmbeddingGemma 2, metin, görsel, ses ve video verilerini ortak bir yerleştirme uzayında doğrudan eşleştirebilen, sınıfının en yetenekli modeli olarak konumlandırılıyor.

Geçtiğimiz yıl yayımlanan ve 20 milyondan fazla indirme rakamına ulaşarak geliştirici topluluğundan büyük ilgi gören ilk EmbeddingGemma modelinin ardından gelen yeni sürüm, yetenek alanını metnin ötesine taşıyor.

Gemma 4 Mimarisi ve Modüler Yapı

Gemma 4 mimarisini temel alan EmbeddingGemma 2, ticari kullanıma olanak tanımak amacıyla Apache 2.0 lisansıyla yayımlandı. Toplamda 740 milyon parametreye sahip olan model, kaynak kısıtlı uç cihazlarda yüksek verimlilikle çalışacak şekilde optimize edildi.

Modelin en dikkat çekici özelliklerinden biri modüler tasarımı oldu. Geliştiriciler, yalnızca metin odaklı iş yükleri için 270 milyon parametrelik temel yapıyı kullanabilirken; isteğe bağlı olarak görsel (170 milyon parametre) ve ses (300 milyon parametre) kodlayıcılarını sisteme dahil ederek tam çok modüllü desteğe ulaşabiliyor. Bu esneklik, donanım kaynaklarının verimli yönetilmesine imkan tanıyor.

Bellek Verimliliği ve 8K Bağlam Penceresi

EmbeddingGemma 2, Matryoshka Representation Learning teknolojisini kullanarak çıktı vektörlerinin boyutlarının 768'den 512, 256 veya 128 boyuta dinamik olarak düşürülmesine olanak sağlıyor. Bu mekanizma, yerel vektör veritabanlarında altı kata kadar depolama ve bellek tasarrufu sunuyor.

Google Pixel 11 Pro üzerinde yapılan testlerde model, kuantizasyon ile birlikte metin ağırlıkları için yalnızca ~191 MB, tam çok modüllü yapı için ise ~567 MB aktif RAM tüketimi sergiliyor. Ayrıca model, önceki nesle göre dört kat artırılarak 8K token'lık bir bağlam penceresiyle donatıldı. Bu kapasite, doğrudan yerel donanım üzerinde 5.5 dakikalık ses kaydı, 29 görsel, 58 video karesi veya bunların araya giren kombinasyonlarının işlenebilmesine imkan tanıyor.

Kod Performansında Sıçrama ve Geniş Ekosistem Entegrasyonu

Massive Text Embedding Benchmark, MTEB Code ve Massive Audio Embedding Benchmark testlerinde 1 milyar parametrenin altındaki modeller arasında lider skorlara ulaşan EmbeddingGemma 2, özellikle kodlama başlığında belirgin bir performans artışı kaydetti. MTEB Code skorunu 68.76'dan 78.68'e taşıyan model, yerel kod tabanı indeksleme, semantik kod arama ve kodlama ajanlarının veri getirme süreçleri için güçlü bir alternatif oluşturuyor.

Model ağırlıkları Hugging Face ve Kaggle üzerinden erişime açılırken, kısa süre içinde Gemini Enterprise Agent Platform Model Garden'da da yerini alacak. Geliştiriciler; Google AI Edge MediaPipe, LiteRT, transformers.js, WebGPU, vLLM, llama.cpp, Ollama, LMStudio ve Qdrant gibi popüler araçlar ve platformlar üzerinden modeli entegre edebiliyor. Ayrıca Unsloth rehberliğiyle özel kullanım senaryoları için modelin ince ayarı yapılabiliyor.