GoogleActualFicha verificadaRevisado 9 oct 2026

EmbeddingGemma 2

Modelo multimodal de embeddings de código abierto para representar texto, código, imágenes, vídeo y audio en un espacio vectorial común.

Pruebas propias pendientes

Resumen

¿Para qué elegir EmbeddingGemma 2?

Lo mejor

  • Google publica 740 millones de parámetros y vectores unificados de 768 dimensiones para recuperación multimodal.
  • Apache 2.0, más de cien idiomas y Matryoshka para usar 128, 256, 512 o 768 dimensiones según el equilibrio entre precisión y coste.

A tener en cuenta

  • Un embedding no genera texto y no debe compartir un ranking de calidad con un chatbot.
  • La eficiencia real depende de hardware, índice, tamaño del lote y modelo de reranking.

La ficha técnica está verificada, pero todavía no hay una evaluación comparable de IA Versus para convertirla en una puntuación o ranking.

Ficha técnica · octubre 2026

La versión exacta importa.

ID en la APIgoogle/embeddinggemma-2
Lanzamiento6 oct 2026
Corte de conocimientoConsultar fuente
Corte de entrenamientoene 2025
Ventana de contexto8K
Dimensiones del vector128, 256, 512 o 768
Acceso a los pesosAbiertos
LicenciaApache 2.0
Modalidades de entrada

Texto · Código · Imagen · Vídeo · Audio

Modalidades de salida

Vectores

Disponibilidad

Google AI Edge · Hugging Face · Kaggle · Local

Cobertura de datos

Lo que esta ficha puede demostrar hoy.

EstadoVerificado
Fuentes técnicas vinculadas3
Campos técnicos publicados5/7
Última actualización9 oct 2026

La cobertura mide la trazabilidad de la ficha, no la calidad del modelo. Las puntuaciones y rankings requieren evidencia comparable adicional.

Evaluación de rendimiento y señales externas

Qué resultados se han medido.

Todavía no hay una evaluación propia de IA Versus para asignar una nota global a este modelo. Sus especificaciones y precios permiten preparar una prueba; las notas propias se publicarán junto con el protocolo y la muestra.

Los votos de usuarios se muestran en las comparativas como una señal de preferencia independiente.

Precio API orientativo

La unidad de cobro importa.

Tarifa por modalidadModelo local sin tarifa por token; el coste depende del hardware, la cuantización o el proveedor de inferencia.
Salida del modeloVectores

Tarifa publicada: Modelo local sin tarifa por token; el coste depende del hardware, la cuantización o el proveedor de inferencia.. La unidad publicada no equivale al coste por tarea. Para compararlo bien hay que registrar tokens de razonamiento, caché, herramientas, reintentos, latencia y tasa de éxito.

Compatibilidad técnica

Qué admite esta configuración exacta.

✓ Embeddings✓ Texto✓ Código✓ Imagen✓ Vídeo✓ Audio✓ Búsqueda semántica
Texto y códigoSí
Imagen, vídeo y audioSí
Matryoshka 128/256/512/768Sí
Más de 100 idiomasSí
Despliegue en dispositivoSí

Alternativas comparables

Compara antes de decidir.

Procedencia

Cada dato debe poder rastrearse.

Los datos del proveedor describen especificaciones, precios y disponibilidad. Las puntuaciones de rendimiento se guardan por separado para que una afirmación comercial nunca se convierta automáticamente en una valoración.

Leer metodología completa →