Qdrant 实测 EmbeddingGemma 2 压缩效果
先了解这件事
2026年10月7日，Qdrant 发文称提前拿到 Google EmbeddingGemma 2，测试其 Matryoshka 兼容嵌入在 Qdrant 中的压缩极限，结果显示结合更短向量、量化与重打分，向量内存占用降低约 77 倍，同时保留 94.5% 的基线检索质量；Google 在 EmbeddingGemma 2 发布公告中引用了这项工作。次日（10月8日）另有报道称，谷歌于 10 月 6 日开源 EmbeddingGemma 2，这是其首个原生多模态开源嵌入模型，可把文字、代码、图片、视频、音频放进同一个 768 维空间并用一句话检索。10月13日，Turing Post 报道称该模型为 7.4 亿参数、Apache 2.0 许可、可本地运行，能把文本、代码、图像、音频和视频映射到同一嵌入空间，用语音描述检索视频或用文字问题搜索录音。
AI 根据报道生成 · 4 小时前更新
事件进展
- 10月8日 15:06 · 2 篇报道谷歌开源EmbeddingGemma 2多模态嵌入模型国际大厂：谷歌开源 EmbeddingGemma 2：740M 参数支持本地多模态检索
- 10月7日 21:05 · 1 篇报道Qdrant测试Google EmbeddingGemma 2向量压缩效果Qdrant(@qdrant_engine)：Qdrant 实测 Google EmbeddingGemma 2：向量内存降 77 倍，保留 94.5% 检索质量
报道时间线
沿着报道，了解事件的不同侧面。
- Turing PostEmbeddingGemma 2 为何值得关注：多模态嵌入与本地记忆
Google 上周发布 EmbeddingGemma 2，一个 7.4 亿参数、Apache 2.0 许可、可本地运行的多模态嵌入模型，能把文本、代码、图像、音频和视频映射到同一嵌入空间，用语音描述检索视频或用文字问题搜索录音。
- 国际大厂谷歌开源 EmbeddingGemma 2：740M 参数支持本地多模态检索
谷歌于 10 月 6 日开源 EmbeddingGemma 2，这是其首个原生多模态开源嵌入模型，可把文字、代码、图片、视频、音频放进同一个 768 维空间并用一句话检索。
- Qdrant(@qdrant_engine)Qdrant 实测 Google EmbeddingGemma 2：向量内存降 77 倍，保留 94.5% 检索质量
Qdrant 提前拿到 Google EmbeddingGemma 2，测试其 Matryoshka 兼容嵌入在 Qdrant 中的压缩极限。结合更短向量、量化与重打分，向量内存占用降低约 77 倍，同时保留 94.5% 的基线检索质量。Google 在 EmbeddingGemma 2 发布公告中引用了这项工作。
本事件热度走势
当前热度 9·可比范围峰值 9（10月13日 08:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。