sevendaisBETAKI-Nachrichten im Überblick

Im Quellenvergleich

EmbeddingGemma 2 von Google

2 Quellen · 2 Meldungen · Stand 06.10.2026

Alle Inhalte werden von KI erstellt. Dieser Überblick fasst zusammen, worin sich mehrere Quellen einig sind und worin sie sich unterscheiden — die Bewertung bleibt dir überlassen.

Im Quellenvergleich

Worin die Quellen übereinstimmen

Google hat EmbeddingGemma 2 vorgestellt, ein offenes multimodales Embedding-Modell mit 740 Millionen Parametern. Es wandelt Text, Code, Bilder, Video und Audio in Zahlenvektoren um, damit sich ähnliche Inhalte leichter finden und vergleichen lassen. Für reine Textaufgaben genügen laut Hersteller 270 Millionen Parameter. Das Modell läuft lokal ohne API-Schlüssel und ist auf Hugging Face und Kaggle verfügbar. Die Quellen berichten weitgehend übereinstimmend.

Worin sie sich unterscheidenRAM-Bedarf des Modells·Laufzeit pro Anfrage·Zusätzliche Encoder+2 weitere
RAM-Bedarf des Modells
  • Das Modell braucht rund 191 MB RAM.1
  • Auf einem Google Pixel 11 Pro benötigt das Modell laut Google mit Quantisierung rund 191 MB aktiven RAM für Text und etwa 567 MB für die volle multimodale Variante.2
Laufzeit pro Anfrage
  • Pro Anfrage dauert es etwa 20 bis 70 Millisekunden per WebGPU im Browser.1
Zusätzliche Encoder
  • Optional kommen Vision- (170M) und Audio-Encoder (300M) hinzu.2
Eignung für Offline-RAG
  • Zusammen mit etwa Gemma 4 eignet es sich laut Text für Offline-RAG-Anwendungen mit Datenschutzfokus.1
Verfügbare Ressourcen
  • Die Gewichte sind auf Hugging Face und Kaggle verfügbar, dazu gibt es einen Entwickler-Guide und Dokumentation.1

Quellen (2)

Vollständige Übersicht mit allen Meldungen öffnen →