사진첩에서 원하는 장면을 찾고 회의 녹음에서 관련 구간을 꺼내려면 자료의 형식이 달라도 의미를 비교할 수 있어야 합니다. 구글 딥마인드가 2026년 10월 6일 공개한 EmbeddingGemma 2 는 텍스트·코드·이미지·영상·음성을 같은 768차원 벡터 공간에 담는 임베딩 모델입니다. 스마트폰이나 노트북 안에서 검색을 실행할 수 있도록 만들었고 가중치는 Apache 2.0 라이선스로 공개했습니다. 구글 공식 발표

이 글은 choi.openai의 Threads 소개글을 바탕으로, 모델 구조와 수치를 구글 공식 발표·개발자 가이드·모델 카드와 대조해 정리했습니다.

자료 형식이 달라도 같은 공간에서 비교합니다

임베딩은 자료의 의미를 숫자 벡터로 표현하는 방식입니다. 질문도 벡터로 바꾼 뒤 저장된 자료와 유사도를 비교하면 관련 내용을 찾을 수 있습니다. EmbeddingGemma 2는 여러 종류의 입력을 같은 공간에 배치하므로, 음성 메모로 영상 속 장면을 찾거나 문장으로 녹음 구간을 검색할 수 있습니다. 사진 설명 생성, 음성 받아쓰기, 텍스트 임베딩을 차례로 연결하던 중간 단계를 줄이는 구조입니다. Google AI Edge 소개

Gemma 4 기반의 텍스트·코드 본체에 비전 인코더와 오디오 인코더를 선택해서 붙입니다. 출력은 어느 구성이든 같은 벡터 공간을 사용합니다.

사용할 입력파라미터 수
텍스트·코드2억 7천만
텍스트·코드 + 이미지·영상4억 4천만
텍스트·코드 + 음성5억 7천만
전체 멀티모달7억 4천만

텍스트 검색만 필요하다면 비전·오디오 인코더를 메모리에 올리지 않아도 됩니다. 이후 다른 입력을 추가하더라도 같은 체크포인트의 인코더를 사용하면 기존 임베딩을 다시 계산할 필요가 없습니다. 개발자 가이드

코드 검색 성능이 올랐고, 입력 길이도 늘었습니다

구글이 공개한 전체 정밀도 모델의 평가에서 MTEB Code 점수는 1세대의 68.76에서 78.68로 9.92점 올랐습니다. 다국어 텍스트 점수는 61.15에서 61.36으로 비슷한 수준을 유지했습니다. 새로 지원하는 이미지 검색 MIEB lite는 64.64, 영상 검색 MMEB v2는 50.67, 음성 검색 MSEB는 69.54를 기록했습니다. 서로 다른 벤치마크이므로 점수끼리 직접 우열을 비교할 수는 없습니다. 모델 카드

입력 길이는 8,192토큰으로 늘었습니다. 공식 문서의 기본 설정에서는 텍스트 없이 단일 입력 종류만 넣을 때 음성 약 5분 30초, 이미지 약 29장, 영상 약 58프레임에 해당합니다. 여러 형식을 섞으면 같은 토큰 한도를 나눠 사용합니다. 모델 카드

기기 메모리와 벡터 저장 공간을 따로 줄입니다

구글 Pixel 11 Pro에서 양자화 모델을 실행한 결과, 텍스트 전용 가중치에 필요한 활성 RAM은 약 191MB, 전체 멀티모달 모델은 약 567MB였습니다. 해당 기기와 양자화 조건에서 나온 수치입니다. 구글 공식 발표

검색 색인을 저장할 공간은 출력 벡터의 차원을 줄여 아낄 수 있습니다. 마트료시카 표현 학습(MRL)을 적용해 768차원 벡터의 앞부분을 512·256·128차원으로 잘라 사용할 수 있습니다. 개발자 가이드의 bfloat16 예시에서 벡터 100만 개의 저장 용량은 768차원일 때 약 1.5GB, 128차원일 때 약 250MB입니다. 이는 벡터 자체의 용량이며 데이터베이스 색인 전체의 크기는 아닙니다. 개발자 가이드

차원을 줄일수록 검색 품질도 달라집니다. MMEB v2 종합 점수는 768차원의 59.01에서 256차원은 56.24, 128차원은 45.65로 내려갔습니다. 구글은 128차원을 대규모 텍스트 색인이나 1차 후보 추리기에 권합니다. 차원 축소 후에는 벡터를 다시 정규화하고 질문과 검색 대상의 차원도 맞춰야 합니다. 모델 카드

사진첩 검색부터 로컬 RAG와 라우팅까지

Google AI Edge Gallery의 Instant Media Search는 문장이나 사진으로 기기 안의 미디어를 찾습니다. Video Moments Finder는 영상의 장면과 소리를 색인하고 검색어에 맞는 시점을 표시합니다. Mac용 Google AI Edge Foresight에서는 EmbeddingGemma 2가 관련 자료를 검색하고 Gemma 4가 답변을 생성하는 로컬 RAG 구성을 보여줍니다. Google AI Edge 소개

분류와 라우팅에도 쓸 수 있습니다. MediaPipe Decision 기능은 입력과 미리 작성한 선택지 설명의 유사도를 비교해 다음 행동을 고릅니다. 별도 학습이나 파인튜닝 없이 요청을 어떤 기능으로 보낼지 판단하는 방식입니다. Google AI Edge 소개

가중치는 Hugging Face와 Kaggle에서 받을 수 있고, sentence-transformers·MLX·Ollama 등으로 실행하거나 transformers.js와 WebGPU로 브라우저에 넣을 수 있습니다. 로컬로 실행하면 임베딩 API의 호출 요금 없이 개인 사진과 녹음을 외부 서버에 보내지 않고 검색할 수 있습니다. 다만 모델 실행과 색인 저장에 필요한 기기 자원은 사용합니다. 구글 공식 발표