Todos los modelos
Incrustaciones y búsqueda de vectoresDisponible
Google DeepMindEmbeddingGemma 2
El modelo de embeddings de pesos abiertos de Google DeepMind para búsquedas locales en texto, código, imágenes, audio y vídeo.
Descripción general en inglés sencillo
Qué es realmente EmbeddingGemma 2
EmbeddingGemma convierte el contenido en vectores para buscar, en vez de generar respuestas. Distintos medios pueden compartir un índice, de modo que una consulta de texto recupere una imagen, una grabación o un fragmento de vídeo relevante.
Carga solo los codificadores que necesita tu aplicación. Los vectores más pequeños reducen el almacenamiento, pero hay que evaluar la calidad de recuperación, el preprocesamiento y la carga real del dispositivo.
Buen ajuste para
- Búsqueda multimodal local y sin conexión
- RAG con documentos y medios privados
- Recuperación de código en hardware de consumo
Comparación de categorías
Los hechos que importan para los modelos incrustaciones
Estas son especificaciones publicadas por el proveedor, no puntuaciones de referencia Cody. Siga las fuentes vinculadas para conocer los límites actuales y las excepciones específicas de los terminales.
- Precio de incrustación
- Pesos abiertos; autoalojadoPrecio actual del proveedor por millón de tokens de entrada o la unidad de facturación publicada más cercana.
- Capacidad de entrada
- 8,192 tokens compartidos entre texto y mediosContenido máximo aceptado en una entrada de inserción, utilizando el token documentado del proveedor.
- Dimensiones vectoriales
- 768 por defecto; 512, 256 o 128 con renormalizaciónTamaños de salida admitidos; los vectores más pequeños reducen el almacenamiento, mientras que los vectores más grandes pueden conservar más información.
- Entradas aceptadas
- Texto, código, imágenes, audio y fotogramas de vídeo muestreadosEntrada de texto, código, imagen, audio, vídeo, PDF o documento compatible con el punto final.
- Controles de recuperación
- Prompts por tarea, codificadores selectivos, truncado de vectores y normalizaciónModos de consulta/documento, tipos de tareas, truncamiento, fragmentación u otros controles que dan forma a los vectores para su recuperación.
- donde corre
- Local o autoalojado; pesos bajo Apache 2.0API directa, mercado en la nube, implementación privada o ruta autohospedada documentada por el proveedor.
Precios y comparaciones
Calcula tu coste
Indica tu uso. La estimación se actualiza al escribir.
Supone 600 tokens por página, procesada por separado. El número real varía. Solo incluye embeddings, no almacenamiento, búsqueda ni respuestas.
EmbeddingGemma 2
Google DeepMind
Total estimado (USD)
Para el uso indicado · USD · Precio de API, no de suscripción
Cómo funciona esta estimación
Las estimaciones excluyen impuestos, herramientas, almacenamiento/escritura de caché, cuotas gratuitas y descuentos personalizados. En imágenes solo incluyen la salida, no el prompt ni las referencias. Los modos de calidad varían. Los ajustes no listados no se consideran gratuitos.
Acceso a API y proveedores
Dónde conseguir EmbeddingGemma 2
Hugging FaceDescargar los pesos abiertos oficialesCheckpoint y ficha del modelo de Google bajo Apache 2.0.Google AI for DevelopersDocumentación de EmbeddingGemmaLímites del modelo, prompts de tareas, orientación de ejecución y opciones de despliegue.Google AI EdgeProbar las demos de búsqueda en el dispositivoEjemplos oficiales de búsqueda local de medios y recuperación de vídeo.Cody editorialLeer la guía de EmbeddingGemma 2Una explicación práctica de la recuperación local, los cambios de versión y los compromisos del modelo.
Disponibilidad
Regiones y etapa de acceso
Pesos abiertos para inferencia local o autoalojada, con codificadores opcionales de visión y audio.
El acceso a la descarga sigue las políticas de la plataforma de alojamiento. Un despliegue autoalojado no es una API regional operada por el proveedor.
Consultar disponibilidad en vivoDatos y entrenamiento
La ruta importa.
La inferencia puede ejecutarse localmente sin enviar el contenido fuente a una API de embeddings. La retención de datos y el acceso a la red dependen de la aplicación y de los servicios conectados.
Esta es una lectura concisa del material del proveedor citado, no un asesoramiento legal. Una puerta de enlace de terceros puede tener términos de almacenamiento, enrutamiento, capacitación y residencia diferentes a los de la API directa del fabricante del modelo.
Lea la política del proveedor.Preguntas frecuentes
Preguntas frecuentes sobre EmbeddingGemma 2
¿Qué es EmbeddingGemma 2?
El modelo de embeddings de pesos abiertos de Google DeepMind para búsquedas locales en texto, código, imágenes, audio y vídeo. EmbeddingGemma convierte el contenido en vectores para buscar, en vez de generar respuestas. Distintos medios pueden compartir un índice, de modo que una consulta de texto recupere una imagen, una grabación o un fragmento de vídeo relevante.
¿Cuándo se lanzó EmbeddingGemma 2?
EmbeddingGemma 2 se lanzó en 6 de octubre de 2026 según los materiales del proveedor citados.
¿Dónde puedo acceder a EmbeddingGemma 2?
Pesos abiertos para inferencia local o autoalojada, con codificadores opcionales de visión y audio. Las rutas de acceso enumeradas en esta guía son Hugging Face, Google AI for Developers, Google AI Edge y Cody editorial.
¿Cuánto cuesta EmbeddingGemma 2?
Pesos abiertos; autoalojado. Pesos bajo Apache 2.0. Los costes de cómputo, memoria y alojamiento dependen del despliegue; la documentación del lanzamiento no publica una tarifa fija por token de API alojada.
¿Dónde está disponible EmbeddingGemma 2?
Pesos abiertos para inferencia local o autoalojada, con codificadores opcionales de visión y audio. El acceso a la descarga sigue las políticas de la plataforma de alojamiento. Un despliegue autoalojado no es una API regional operada por el proveedor.
¿Se utilizan mis datos API EmbeddingGemma 2 para capacitación?
La inferencia puede ejecutarse localmente sin enviar el contenido fuente a una API de embeddings. La retención de datos y el acceso a la red dependen de la aplicación y de los servicios conectados. La política pertenece a la ruta del proveedor y a los términos de la cuenta, así que verifíquela nuevamente antes de usarla en producción.
Comparación de precios
USD por millón de tokens para las API indicadas con contexto estándar. Las tarifas de caché y contexto largo pueden variar. Se omiten modelos sin precios revisados compatibles; menor coste no significa mejor calidad.
- Mistral Embed0,10 US$
Mistral AI
- Voyage 4 Large0,12 US$
Voyage AI
- Voyage Context 40,12 US$
Voyage AI
- Voyage Code 40,12 US$
Voyage AI
- text-embedding-3-large0,13 US$
OpenAI
- Gemini Embedding 20,20 US$
Google
Comparaciones relacionadas
Comparaciones cara a cara
EmbeddingGemma 2 vs Gemini Embedding 2
Modelo de incrustación multimodal de Google para colocar texto, imágenes, video, audio y archivos PDF en un espacio vectorial con capacidad de búsqueda.
Abrir comparación completaEmbeddingGemma 2 vs text-embedding-3-large
El modelo de incrustación de texto de mayor capacidad de OpenAI para búsqueda semántica, recomendaciones, agrupación y canales de recuperación.
Abrir comparación completaEmbeddingGemma 2 vs Cohere Embed 4
Modelo de integración empresarial de Cohere para texto, imágenes y documentos visualmente ricos en varios idiomas con una ventana de contexto de 128K.
Abrir comparación completa
