Saltar al contenido

ModelosGoogle DeepMind

EmbeddingGemma 2: el modelo de embeddings multimodal abierto de Google reúne texto, código, imágenes, video y audio en un solo espacio

EmbeddingGemma 2 en resumen

Google lanzó EmbeddingGemma 2 el 6 de octubre de 2026: un modelo de embeddings multimodal abierto, sobre la arquitectura Gemma 4, que reúne texto, código, imágenes, video y audio en un espacio de 768 dimensiones. Sus 740M de parámetros se cargan por módulos, licencia Apache 2.0 y pesos gratis en Hugging Face y Kaggle.

Pregúntale a tu IA sobre esta noticia

Pregunta qué cambió en EmbeddingGemma 2 y qué deberías comprobar antes de usarlo en tu negocio. Compáralo en precio, velocidad, inteligencia y relación precio-velocidad con los modelos que usaría de otro modo, e indica para qué tareas sirve o no.

Fuentes verificadas Fuente primaria (se abre en una pestaña nueva)

Qué cambió con EmbeddingGemma 2

El 6 de octubre de 2026, Google lanzó EmbeddingGemma 2, su modelo de embeddings multimodal abierto sobre la arquitectura Gemma 4. Reúne texto, código, imágenes, video y audio en un espacio de embeddings de 768 dimensiones: una nota de voz puede encontrar un clip de video y un texto puede buscar en tus fotos. Tiene 740 millones de parámetros modulares: base de texto de unos 270M, más codificadores opcionales de visión (170M) y audio (300M) que cargas solo si los necesitas. Su contexto de 8.192 tokens admite unos 5,5 minutos de audio, 29 imágenes o 58 fotogramas de video por entrada. La licencia es Apache 2.0, no los Términos de Gemma; los pesos son gratuitos en Hugging Face y Kaggle, con soporte desde el lanzamiento en sentence-transformers, llama.cpp, vLLM, SGLang, Ollama, LM Studio y LiteRT/MediaPipe. Su llegada al Model Garden de Gemini Enterprise Agent Platform será próximamente.

Las puntuaciones son las de la propia Google, de la tarjeta del modelo: 78,68 de NDCG@10 en MTEB Code, frente a 68,76 del primer EmbeddingGemma, una media de 61,36 en MTEB Multilingual v2 y 59,01 en total en MMEB v2 con las 768 dimensiones completas. El aprendizaje Matryoshka te permite truncar los vectores de 768 a 512, 256 o 128 dimensiones y reducir el almacenamiento de vectores hasta 6x. El modelo está pensado para funcionar en el dispositivo: Google sitúa su huella cuantizada en unos 191MB de RAM en modo solo texto y unos 567MB con todo el paquete multimodal en un Pixel 11 Pro. Al 17 de noviembre de 2026, Artificial Analysis no había publicado una página de EmbeddingGemma 2 y Arena no lo incluye, así que aún no hay puntuaciones independientes. Google publicó el informe técnico del modelo en arXiv el 17 de noviembre de 2026.

EmbeddingGemma 2 en cifras

Los valores provienen de la fuente enlazada en la fecha indicada. No son mediciones de IA Compa.

MTEB Code NDCG@10 (tarjeta del modelo de Google)al · Fuente de MTEB Code NDCG@10 (tarjeta del modelo de Google): ai.google.dev (se abre en una pestaña nueva)
78.68
MMEB v2 total a 768 dimensiones (tarjeta del modelo de Google)al · Fuente de MMEB v2 total a 768 dimensiones (tarjeta del modelo de Google): ai.google.dev (se abre en una pestaña nueva)
59.01

Cómo se compara

Modelos actuales que hemos cubierto: lanzados en los últimos seis meses, solo la versión más reciente de cada línea. Cada valor es el más reciente registrado para el modelo. (Modelos)

Ventana de contexto (tokens)mayor es mejor

Dónde comparar EmbeddingGemma 2

Clasificaciones independientes y recursos oficiales para comparar este modelo por tu cuenta. Las posiciones cambian con frecuencia; cada sitio muestra sus datos actuales.

Por qué EmbeddingGemma 2 importa para los negocios

Por qué importa: los embeddings son la fontanería detrás de la búsqueda y la recuperación, y esta versión te permite operar esa fontanería por tu cuenta. Una empresa puede indexar sus documentos, su código, sus fotos de producto y sus grabaciones de llamadas en un solo espacio y buscar en todo ello en su propio hardware, sin factura por consulta a una API y sin que los datos de tus clientes salgan del edificio. Apache 2.0 significa que puedes incluirlo en un producto comercial sin negociar una licencia, y los codificadores modulares junto con el truncado Matryoshka mantienen pequeña la huella en el teléfono, el portátil o el servidor, y también la factura de la base de datos vectorial.

Ponlo a trabajar: Servicios de IA

Recibe Noticias de IA por correo

Noticias de IA verificadas, cada una con su fuente oficial, los lunes y jueves por la mañana. Agrega las noticias de última hora para enterarte de las más importantes en cuanto las publicamos.

Cada noticia enlaza su fuente oficial

Gratis, en español o en inglés

Date de baja con un clic, cuando quieras

Qué quieres recibir

Fuentes de esta noticia

  1. Oficial
  2. Oficial
  3. Oficial
  4. Oficial

Última verificación: . IA Compa resume anuncios públicos para lectores de negocios. No tenemos relación con las empresas mencionadas. Confirma siempre los detalles, precios y disponibilidad con la fuente oficial.

  • #embedding-model
  • #multimodal
  • #open-weights
  • #on-device
  • #gemma
  • #semantic-search

¿Quieres aplicarlo en tu negocio?

Convertimos las nuevas capacidades de IA en agentes, recepcionistas de voz y automatizaciones que realmente puedes usar.