גוגל משחררת מודל הטמעות פתוח שרץ מקומית על חצי גיגה זיכרון

כל מי שניסה לבנות צינור RAG ארגוני שמחפש גם בהקלטות קוליות או בקובצי וידאו פנימיים מכיר את המלכודת הרגילה. ברגע שיוצאים מגבולות הטקסט, האפשרויות הצטמצמו לשליחת מדיה כבדה ורגישה למודלים בענן בתשלום לפי קריאה, או להרמת שרתי GPU כבדים שחונקים את התקציב. עכשיו גוגל מנסה לסגור את הפינה הזו עם מודל מקומי קומפקטי במיוחד.

בהודעה שפרסמה היום, 6 באוקטובר 2026, חשפה ענקית הטכנולוגיה את EmbeddingGemma 2, מודל הטמעות מולטימודלי פתוח שממפה טקסט, קוד, תמונות, וידאו ושמע לתוך מרחב וקטורי משותף אחד בן 768 ממדים. המודל מבוסס על ארכיטקטורת Gemma 4 ומגיע עם 740 מיליון פרמטרים תחת רישיון מסחרי וחופשי מסוג Apache 2.0. לפי גוגל, הדור הראשון צבר יותר מ-20 מיליון הורדות, אבל הוא היה מוגבל לטקסט בלבד, מה שאילץ ארכיטקטים להחזיק מודלים שונים לכל סוג מדיה.

מולטימודליות שנכנסת לטלפון

השינוי המרכזי כאן לעומת הדור הראשון שהתמקד בטקסט בלבד הוא היכולת לחבר סוגי מדיה שונים לגמרי באותו מרחב מתמטי. המערכת יודעת לאתר קטע וידאו ספציפי מתוך תזכורת קולית, או לחפש שעות של הקלטות פגישות באמצעות שאילתת טקסט רגילה, בלי להזדקק למודלי תמלול חיצוניים או לשירותי צד שלישי. מה שבאמת מעניין כאן הוא שאין צורך בצינורות המרה נפרדים לכל קובץ, אלא יש מרחב ייצוג אחד לכולם ישירות על המעבד המקומי.

EmbeddingGemma 2 brings robust capabilities directly to edge hardware. Generating embeddings locally helps ensure data privacy, reduces pipeline latency, and empowers developers to build cross-modal search and retrieval that works entirely offline.הודעת ההשקה של Google DeepMind

חלון ההקשר עומד על 8K תוקנים, פי ארבעה מהגרסה הקודמת. לפי החברה, הנפח הזה מאפשר לעבד ברצף אחד עד 5.5 דקות של אודיו, 29 תמונות, או 58 פריימים של וידאו ישירות על חומרת הקצה של המכשיר. בנוסף, המודל מאפשר לשלב בין סוגי הקלטים הללו בתוך אותו רצף. מבחינת קוד, גוגל מציגה שיפור של 9.92 נקודות במבחן MTEB Code, מציון 68.76 לציון 78.68, מה שהופך אותו לרלוונטי מאוד לאינדוקס מקומי של מאגרי קוד פנימיים.

זה שיפור מורגש שמייתר מודלים נפרדים לחיפוש קוד.

פירוק מודולרי במקום משקולת

במקום להכריח אתכם לטעון מודל ענק בכל תרחיש, המבנה הפנימי מחולק לרכיבים נפרדים. מקודד הטקסט והקוד כולל 270 מיליון פרמטרים, מקודד הראייה מוסיף 170 מיליון, ומקודד האודיו תופס 300 מיליון פרמטרים. אם המערכת שלכם עוסקת במסמכים בלבד, אין שום צורך לטעון את רכיבי המדיה. החלוקה הזו מאפשרת להריץ רק מה שנחוץ באותו רגע.

החלוקה הזו מתורגמת ישירות לחיסכון קריטי במשאבים. עם קוונטיזציה על מכשיר Google Pixel 11 Pro, צריכת הזיכרון הפעיל (RAM) עומדת על כ-191 מגה-בייט למשקלי הטקסט בלבד, ומגיעה לכ-567 מגה-בייט בלבד למודל המולטימודלי המלא. מודל הטמעות מולטימודלי מלא שיודע לחבר טקסט, תמונה ושמע יכול לשבת בזיכרון מקומי של כחצי גיגה בלבד.

חיסכון נוסף מגיע מצד מסד הנתונים. המודל תומך בטכניקת Matryoshka Representation Learning, שמאפשרת לקטום את הווקטורים מ-768 ממדים ל-512, 256, או אפילו 128 ממדים. לפי החברה, הקיטום מספק כיווץ של עד פי שישה בנפח האחסון ובצריכת הזיכרון בבסיסי נתונים וקטוריים מקומיים. לא הייתי ממהר לקטום ל-128 ממדים בכל פרויקט לפני שבודקים את הפגיעה ברמת הדיוק, אבל היכולת להקטין את נפח המפתח באחסון המקומי מורידה מכשול כלכלי מהותי למי שמחזיק מיליוני רשומות.

ההבטחות שעדיין דורשות בדיקה

למרות המפרט הטכני, בדפי התיעוד ובפרסום הרשמי יש כמה חורים שמהנדסי מערכת צריכים לקחת בחשבון לפני שרצים לייצור. גוגל מציגה יכולות ניתוב וסיווג החלטות מהירות דרך ה-API הייעודי MediaPipe Decision Task API, אך לא סיפקה נתוני שיהוי אמיתיים עבור ניתוב בזמן אמת. בנוסף, החברה מדגימה חיפוש וידאו מבוסס טקסט ב-Video Moments Finder ושילוב עם Gemma 4 ביישום Foresight, אך דפי התיעוד אינם חושפים כמה אלפיות שנייה לוקח חיפוש כזה מקצה לקצה.

המדידות בפועל יקבעו אם המערכת מתאימה לייצור.

בנוסף, דף המוצר שותק לחלוטין לגבי מקורות הנתונים ששימשו לאימון מקודדי הראייה והאודיו, ואין מידע לגבי פגיעה בחיי סוללה או התחממות חומרה בעת דגימה ועיבוד רציף של וידאו במכשירי קצה. זה שווה בדיקה רק אם יש לכם מדדים מדויקים על צריכת החשמל של המכשיר בעומס. הזווית המקומית דורשת זהירות מיוחדת: אף שמשפחת הדגמים תומכת רב-לשונית בעברית החל מגרסת Gemma 3, גוגל לא הציגה שום בנצ'מרק ייעודי לחיפוש חוצה-מדיות בשפה שלנו, כך שאיכות התוצאות מול מסמכים ומדיה בעברית עדיין מוטלת בספק.

איך להתחיל לעבוד מקומית

משקלי המודל זמינים להורדה חופשית ב-Hugging Face. עבור פיתוח למובייל ומכשירי קצה, גוגל הוסיפה תמיכה מובנית דרך LiteRT וסביבת MediaPipe, כולל אפשרות הרצה ישירות בדפדפן באמצעות WebGPU. גוגל מציינת כי זמינות ב-Gemini Enterprise Agent Platform Model Garden מתוכננת להמשך, לצד תמיכה בכלים קהילתיים דרך ספריות Unsloth לכוונון עדין.

אם אתם מריצים תשתיות שרתים מקומיות, התמיכה רחבה: אפשר לפרוס את המודל דרך llama.cpp, להשתמש ב-Ollama, או לשרת אותו ב-vLLM, ב-transformers, ב-sentence-transformers, ב-MLX, ב-SGLang וב-LMStudio, ולשמור את הווקטורים ב-Qdrant. שילוב המודל יחד עם Gemma 4 מאפשר גם שיתוף של מקודד האודיו והטוקנייזר, מה שמקטין עוד יותר את טביעת הרגל של צינור ה-RAG כולו.

הצעד הבא שלכם ברור: הורידו את המשקלים הקלים, אנדקסו תיקיית קבצים פנימית קטנה, ובדקו האם החיסכון בחשבון הענן שווה את ההתעסקות. אם הדאטה שלכם רגיש, התשובה כנראה חיובית, אבל המתינו לבדיקת מדדי השיהוי לפני פריסה רחבה.

שאלות ותשובות

מה שואלים על זה

האם המודל מחייב טעינה של כל 740 מיליון הפרמטרים כדי לחפש טקסט בלבד?

לא. המודל בנוי בצורה מודולרית ומאפשר לטעון רק את מקודד הטקסט שכולל 270 מיליון פרמטרים ודורש כ-191 מגה-בייט זיכרון RAM בלבד בקוונטיזציה.

איך טכניקת Matryoshka חוסכת מקום במסד הנתונים הווקטורי?

הטכניקה מאפשרת לקטום את וקטור ההטמעה מ-768 ממדים ל-512, 256 או 128 ממדים בלי לאבד את עיקר המידע הסמנטי, מה שמצמצם את נפח האחסון בבסיס הנתונים עד פי שישה.

האם המודל זמין לשימוש מסחרי ללא תשלום תמלוגים לגוגל?

כן, EmbeddingGemma 2 שוחרר תחת רישיון קוד פתוח מתירני מסוג Apache 2.0, המאפשר שימוש מסחרי חופשי.

כמה תוכן נכנס בחלון ההקשר של 8K תוקנים?

חלון ההקשר המורחב של 8K תוקנים מסוגל להכיל עד 5.5 דקות של קובץ אודיו, 29 תמונות, 58 פריימים של וידאו, או שילוב ביניהם ברצף עיבוד יחיד.

מקורות

1. EmbeddingGemma 2: an open, lightweight multimodal embedding modelblog.google · המקור
2. New Gemini Audio models for developersblog.google · דוקומנטציה
3. DevFest 2026: Google Developer Eventsblog.google · דוקומנטציה
4. MediaPipe Decision Task APIdevelopers.google.com · מקושר מההודעה
5. Hugging Facehuggingface.co · מקושר מההודעה
6. LiteRTdevelopers.google.com · מקושר מההודעה
7. WebGPUhuggingface.co · מקושר מההודעה
8. llama.cpphuggingface.co · מקושר מההודעה
9. Ollamaollama.com · מקושר מההודעה

איך בדקנו

29 עובדות בכתבה נבדקו אחת־אחת מול המקורות המקושרים ומול חיפוש ברשת ב־6 באוקטובר 2026. מה שלא אומת הוסר או מסומן כטענה של החברה. הכתיבה נעשתה בעזרת AI מהמקורות האלה בלבד, בעריכה ובאחריות של סלבה מלנדוביץ׳. טעות? כתבו לנו.