El martes 6 de octubre de 2026, Google DeepMind presentó EmbeddingGemma 2, la segunda generación de su modelo abierto y ligero de embeddings. El anuncio, firmado en el blog de Google por los ingenieros de investigación Sahil Dua y Henrique Schechter Vera, describe el nuevo modelo como el más capaz para generar embeddings multimodales directamente en el dispositivo, sin depender de la nube. Google publicó el mismo día una guía técnica para desarrolladores.
Un embedding es una representación numérica de un contenido, un vector, que permite medir qué tan parecidos son dos elementos por su significado. Es la pieza que hace funcionar la búsqueda semántica, los sistemas de recomendación y la llamada generación aumentada por recuperación (RAG), en la que un modelo de lenguaje consulta documentos relevantes antes de responder. La primera versión de EmbeddingGemma, lanzada el año pasado, solo trabajaba con texto y superó los 20 millones de descargas.
La gran novedad es la multimodalidad nativa. EmbeddingGemma 2 representa texto, código, imágenes, vídeo y audio, así como combinaciones intercaladas de todos ellos, en un único espacio vectorial de 768 dimensiones. En la práctica, eso permite, según Google, encontrar un fragmento concreto de vídeo a partir de una nota de voz o buscar en horas de grabaciones de audio con una simple consulta de texto, todo con un solo modelo.
El modelo está construido sobre la arquitectura de Gemma 4, se publica con la licencia Apache 2.0, que permite el uso comercial, y suma 740 millones de parámetros. Su diseño es modular: la parte de texto y código requiere solo 270 millones, divididos en un núcleo de 130 millones y un codificador de 140 millones, mientras que el codificador de visión añade 170 millones y el de audio, 300 millones. Así, se puede usar en configuraciones de 270, 440, 570 o 740 millones de parámetros.
Esa modularidad tiene una ventaja poco habitual. Como todas las configuraciones comparten el mismo espacio vectorial, una consulta hecha con la versión de solo texto puede compararse con documentos indexados con el modelo completo. Además, según la guía para desarrolladores, añadir más adelante los codificadores de imagen o de audio no obliga a volver a calcular los embeddings ya existentes, algo que ahorra tiempo y coste en colecciones grandes.
El contexto también crece. EmbeddingGemma 2 admite 8.192 tokens por entrada, cuatro veces más que su predecesor. Eso equivale, según Google, a unos 5,5 minutos de audio, 29 imágenes o 58 fotogramas de vídeo, o combinaciones intercaladas de esos contenidos. Por defecto, el vídeo se muestrea a un fotograma por segundo y el audio se procesa en mono a 16 kHz.
En rendimiento, Google afirma que el modelo mantiene la fuerte calidad multilingüe en texto de la primera versión, con soporte para más de 100 idiomas, y que mejora de forma notable en código: en el banco de pruebas MTEB Code pasa de 68,76 a 78,68 puntos, una subida de 9,92. La empresa asegura que es el mejor de su categoría entre los modelos multimodales de menos de 1.000 millones de parámetros en MTEB Code y MAEB, una comparación que procede del propio fabricante.
El ahorro de almacenamiento es otro argumento central. Gracias a la técnica Matryoshka Representation Learning, los vectores pueden recortarse de 768 a 512, 256 o 128 dimensiones, con una reducción de almacenamiento de hasta seis veces. La guía pone un ejemplo: un millón de vectores de 768 dimensiones en bfloat16 ocupa unos 1,5 GB, frente a unos 250 MB a 128 dimensiones. Con 256 dimensiones se conserva la mayor parte de la calidad en texto y código.
Ese recorte no es gratuito. Según la guía, a 256 dimensiones el modelo mantiene alrededor del 95% del rendimiento en recuperación de imagen, vídeo y voz, mientras que a 128 dimensiones conserva cerca del 90% en texto y código, pero alrededor del 75% en contenidos multimedia. Google recomienda validar cada configuración con datos propios antes de pasarla a producción. También advierte de que el modelo no es compatible con float16 y debe ejecutarse en bfloat16 o float32.
El foco en el dispositivo es explícito. Con cuantización, en un Google Pixel 11 Pro, EmbeddingGemma 2 necesita unos 191 MB de memoria activa para los pesos de solo texto y unos 567 MB para el modelo multimodal completo. Como comparte el tokenizador de texto y el codificador de audio con Gemma 4, ambos modelos pueden funcionar juntos en un mismo flujo con menos memoria total, lo que facilita sistemas RAG completamente locales que no envían datos a servidores externos.
Google acompañó el lanzamiento con demostraciones en su aplicación Google AI Edge Gallery, como la búsqueda instantánea en la biblioteca multimedia o un buscador de momentos en vídeo, y con la app Google AI Edge Foresight, que combina recuperación local de archivos con el razonamiento de Gemma 4. En la guía para desarrolladores, Google indexó el código de la biblioteca transformers de Hugging Face con la configuración de solo texto y lo consultó mediante un agente.
La disponibilidad es amplia desde el primer día. Los pesos están en Hugging Face y Kaggle, y la llegada a Model Garden se anuncia como próxima. El modelo funciona con transformers, sentence-transformers a partir de la versión 6.1.0, MLX, vLLM, llama.cpp, SGLang, Ollama y LMStudio, además de LiteRT y MediaPipe para móviles, y transformers.js o WebGPU para el navegador. Qdrant lo admite como base de datos vectorial y Unsloth ofrece guías para ajustarlo.
Para los desarrolladores, el atractivo está en la combinación de licencia abierta, tamaño reducido y un único espacio para todos los formatos. Las empresas que manejan documentos sensibles pueden construir buscadores internos sin enviar contenido a la nube, y los creadores de agentes de programación tienen una opción ligera para indexar repositorios. La mejora en código apunta precisamente a ese uso: búsqueda semántica de código y recuperación para agentes.
En conclusión, EmbeddingGemma 2 lleva la búsqueda multimodal a un tamaño que cabe en un teléfono y la libera con una licencia permisiva. Las cifras de rendimiento proceden de Google y deberán contrastarse con pruebas independientes, y los recortes de dimensión exigen validar la calidad en cada caso. Aun así, el lanzamiento refuerza la apuesta de Google por una IA más privada y eficiente que funcione fuera del centro de datos.
