Google, EmbeddingGemma 2 출시

이것은 생각보다 더 큰 의미를 가집니다.

대부분의 사람들은 멀티모달 RAG(Retrieval-Augmented Generation)를 캡션/전사(transcribe) 방식으로 구축한 다음, 이를 텍스트 임베더에 넣습니다.

하지만 EmbeddingGemma 2는 텍스트, 코드, 이미지, 비디오, 그리고 오디오를 단일 공유 벡터 공간(ONE shared vector space)에 배치합니다. 따라서 하나의 모델로 음성 메모를 이용해 비디오 클립을 질의하거나 수 시간 분량의 오디오를 텍스트로 검색할 수 있습니다!

또한 라이선스가 Apache 2.0으로 변경되어 상업적으로 사용 가능합니다.

훌륭한 출시입니다!

오픈 가중치(Open weights):
https://huggingface.co/google/embeddinggemma-2
…
출처:
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
…

참고로 모델 가중치 크기는 단지 1.49 GB입니다!