---
title: "Google DeepMind lança EmbeddingGemma 2 para uso local em dispositivos"
url: https://dailyjournal.news/news/2026-10-06/google-deepmind-lanca-modelo-multimodal-embeddinggemma-2
published: 2026-10-06T16:31:11.707526+00:00
updated: 2026-10-06T16:45:17.22971+00:00
categories: ["technology"]
source_count: 4
outlet_count: 1
language: pt-BR
publisher: "Daily Journal"
---

# Google DeepMind lança EmbeddingGemma 2 para uso local em dispositivos

O Google DeepMind apresentou o EmbeddingGemma 2, modelo multimodal de 740 milhões de parâmetros otimizado para execução local e RAG privado.

## Pontos principais

- O anúncio detalha os 740 milhões de parâmetros: 270 milhões no modelo de texto, com codificadores opcionais de visão (170 milhões) e áudio (300 milhões).
- Segundo o Google, o modelo mapeia texto, código, imagens, áudio e vídeo em um espaço vetorial compartilhado.
- A janela de contexto de 8 mil tokens permite processar até 5,5 minutos de áudio, 29 imagens ou 58 quadros de vídeo, segundo a empresa.
- Com Matryoshka Representation Learning, o anúncio informa que os vetores podem ser reduzidos de 768 para 512, 256 ou 128 dimensões, com redução de até seis vezes no armazenamento.
- Em um Pixel 11 Pro, após quantização, o consumo de RAM ativa fica em cerca de 191 MB no uso apenas com texto e 567 MB no modelo multimodal completo, segundo o Google.
- No benchmark MTEB Code, o Google informa que a pontuação subiu de 68,76 para 78,68 em relação ao EmbeddingGemma, ganho de 9,92 pontos.
- Os pesos estão disponíveis sob licença Apache 2.0 no Hugging Face e no Kaggle, informa a empresa.
- O Google diz que o EmbeddingGemma 2 compartilha o tokenizador de texto e o codificador de áudio do Gemma 4, permitindo combiná-los em fluxos locais de RAG com menor uso total de memória.

O Google DeepMind anunciou o EmbeddingGemma 2, modelo aberto de embeddings multimodais voltado à execução em dispositivos locais. Segundo a empresa, ele reúne texto, código, imagens, áudio e vídeo em um espaço vetorial compartilhado e pode viabilizar buscas entre formatos, como localizar um trecho de vídeo por uma consulta de áudio.

O comunicado afirma que o EmbeddingGemma anterior superou 20 milhões de downloads. Para a nova versão, o Google destaca o uso local como forma de reduzir a latência e manter dados no dispositivo, inclusive em aplicações que funcionam offline.

## Fontes

- [@Google: We’re releasing EmbeddingGemma 2, our first natively multimodal open model engineered for on-device embeddings.](https://x.com/Google/status/2107505117511528640) (2026-10-06)
- [@googlegemma: Introducing EmbeddingGemma 2! 🚀](https://x.com/googlegemma/status/2107502533992464482) (2026-10-06)
- [@GoogleDeepMind: Meet EmbeddingGemma 2, our first natively multimodal open model for on-device embeddings.](https://x.com/GoogleDeepMind/status/2107502286758895878) (2026-10-06)
- [Google DeepMind launches EmbeddingGemma 2, a 740M-parameter model to map code, images, video, and audio in a shared embedding space, under an Apache 2.0 license (Google)](https://www.techmeme.com/261006/p25#a261006p25) — Techmeme (2026-10-06)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-10-06/google-deepmind-lanca-modelo-multimodal-embeddinggemma-2