「Google Gemma 推出 EmbeddingGemma 2 」

这是一个很小巧但很厉害的 AI 模型，只有 7.4 亿参数

它的核心能力是： 不管你给它“文字、图片、视频、声音还是代码”，它都能把这些东西“翻译”成嵌入向量（可以用来衡量“相似度”）。

它完全在你自己的手机、电脑甚至浏览器里跑，数据不用上传到云端，隐私更好，离线也能用。借助浏览器的 WebGPU 技术，普通电脑就能流畅运行。

总结： 以前这种“能同时理解文字+图片+声音+视频”的能力通常要靠很大的云端模型，现在一个轻量模型就能在本地搞定，对做隐私优先、离线可用的应用特别有用。

缺点：性能并不全面领先，视频处理很粗糙，上下文是共享预算，跨模态对齐质量仍有上限。