被忽视的检索层：EmbeddingGemma 2 用 Apache 2.0 解决「换不掉」

结论：嵌入模型的分发许可，比它的分数更重要

Google DeepMind 发布 EmbeddingGemma 2：基于 Gemma 4 架构，7.4 亿参数，把文本、代码、图像、视频帧和音频映射到统一嵌入空间，采用 Apache 2.0 许可，权重上架 Hugging Face 与 Kaggle；量化后端侧运行约需 191MB 内存。

大多数讨论聚焦「多模态嵌入」这个卖点。我认为真正被低估的是那行许可证。嵌入模型是整个 AI 栈里最容易被锁死、也最难迁移的一层。

三个要点

• 为什么嵌入模型「换不掉」。 你一旦把上百万条内容通过某个闭源接口算成向量并落库，切换模型就意味着全部存量向量重新计算——算力、时间、费用重来一遍，而且新旧向量不能混用。Simon Willison 的观点值得引用：2024 年 4 月 OpenAI 曾主动提出承担用户用新模型重新嵌入内容的费用，但他认为不能指望所有供应商都这么做。因此「能不能自由取走权重」对嵌入层的意义，远大于它在排行榜上的名次。
• 740M 是刻意的尺寸。 嵌入模型在生产里往往是调用量最大的模型（每次检索都要跑），延迟和显存占比比通用大模型更敏感。7.4 亿参数、量化后 191MB，意味着它可以塞进端侧或单张消费级卡，省掉一次网络往返。
• 统一空间带来实际收益。 文本、代码、图像、视频帧、音频共用一套向量，意味着跨模态检索不再需要多套索引和对齐逻辑。对做素材库、代码库、监控检索的团队是直接的工程量节省。

对你意味着什么

如果你在维护 RAG 或检索系统，建议做三件事。

第一，把「嵌入模型」写进技术债务清单。问自己：如果当前供应商明天涨价或下线，我要花多少成本迁移？答案超过一周，那就是架构风险。

第二，小模型优先。检索环节对延迟最敏感，740M 这个量级值得先用你自己的语料对比一次召回率——很多场景下，小模型加上更多召回条数，比大模型更划算。

第三，注意 Matryoshka 表示的用法。这类训练方式允许把一条向量截断成更短维度，用精度换存储。在向量库成本占比高的场景里，这一项可以直接降本。

一个务实的边界：Apache 2.0 解决了「能不能用」，但没有解决「好不好用」。多模态嵌入的质量在不同模态上差异很大，尤其是音频和视频帧，务必用真实数据验证，别只看官方示例。

参考来源

• Google DeepMind：EmbeddingGemma 2 — https://deepmind.google/blog/embeddinggemma-2-an-open-lightweight-multimodal-embedding-model/
• Google Developers Blog — https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/
• Simon Willison 评论 — https://simonwillison.net/2026/Oct/6/hn-49983751/
• IT之家：谷歌发布 EmbeddingGemma 2 — https://www.ithome.com/1/010/125.htm

延伸阅读：p99 从 800 毫秒降到 65 毫秒：Perplexity 用 Rust 重写检索 · 分享几个我自己写的自动化小脚本，解决日常重复劳动 · 超级SEO插件进入后一直转圈怎么解决？