Google DeepMind veröffentlicht EmbeddingGemma 2: multimodales Embedding-Modell mit 740M Parametern
Warum es zählt
Entwickler können mit einem einzigen Modell alle vier Modalitäten für RAG, Suche und Klassifikation on-device nutzen. Dank MRL-Support (128d–768d) und selektiv ladbaren Encodern lässt sich Speicher- und Rechenaufwand gezielt reduzieren.
— Lumeric Redaktion
740M Parameter
Gesamtparameter (Text + Vision + Audio)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Google DeepMind veröffentlicht EmbeddingGemma 2: multimodales Embedding-Modell mit 740M Parametern
Warum es zählt
Entwickler können mit einem einzigen Modell alle vier Modalitäten für RAG, Suche und Klassifikation on-device nutzen. Dank MRL-Support (128d–768d) und selektiv ladbaren Encodern lässt sich Speicher- und Rechenaufwand gezielt reduzieren.
— Lumeric Redaktion
740M Parameter
Gesamtparameter (Text + Vision + Audio)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.