గూగుల్ కొత్త ఆన్-డివైస్ మోడల్ ఎంబెడ్డింగ్‌జెమ్మా 2 విడుదల
పరికరాల్లోనే పనిచేసేలా రూపొందించిన ఓపెన్ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్ ఎంబెడ్డింగ్‌జెమ్మా 2ను గూగుల్ విడుదల చేసింది. సంస్థ తొలి ఓపెన్, సహజ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్ అని సీఈఓ సుందర్ పిచాయ్ ప్రకటించారు. జెమ్మా 4 ఆర్కిటెక్చర్ ఆధారంగా, అపాచీ 2.0 లైసెన్స్‌తో వచ్చిన ఈ మోడల్‌లో 740 మిలియన్ పారామీటర్లు ఉన్నాయి. టెక్స్ట్, కోడ్ వెర్షన్‌కు 270 మిలియన్, విజన్ కలిపితే సుమారు 440 మిలియన్, ఆడియో కలిపితే సుమారు 570 మిలియన్ పారామీటర్లు అవసరం. టెక్స్ట్, కోడ్, చిత్రాలు, వీడియో, ఆడియోను 768-డైమెన్షనల్ వెక్టర్ స్పేస్‌లో కలిపి శోధించవచ్చు. మోడల్ వెయిట్స్ హగ్గింగ్ ఫేస్‌లో అందుబాటులో ఉన్నాయి.
మూలం
CNN-News18 · అసలు వార్త చదవండి ↗
డెస్క్ తనిఖీ · మూలంతో సరిపోల్చాం
డెస్క్ తనిఖీ చేసినవి (5)
- Google has launched EmbeddingGemma 2, an open multimodal embedding model for on-device use. — Attributed in source to an announcement by Google CEO Sundar Pichai.
- The model is based on Gemma 4 architecture and released under the Apache 2.0 licence. — Figure/detail appears in source; attributed to Google.
- Full model has 740 million parameters; text and code 270 million, with vision about 440 million, with audio about 570 million. — Parameter counts appear consistently in both the body and the source's Quick Answers section.
- Using 256 dimensions retains most quality for text and code and about 95% for image, video and speech retrieval. — Stated by Google in the source; no independent benchmark provided.
- Model weights are available through Hugging Face. — Appears in source without further attribution or link.
విశ్లేషకుల అభిప్రాయం అభిప్రాయం
ఎంబెడ్డింగ్‌జెమ్మా 2 ఒక చాట్‌బాట్ కాదు — ఇది సెర్చ్‌కు పునాది వేసే "ప్లంబింగ్" లేయర్, కానీ అదే దీని ప్రాముఖ్యత. టెక్స్ట్, కోడ్, చిత్రాలు, వీడియో, ఆడియోను ఒకే 768-డైమెన్షనల్ వెక్టర్ స్పేస్‌లోకి తీసుకురావడం ద్వారా, ఒకే క్వెరీతో భిన్న రకాల కంటెంట్‌ను వెతికే సామర్థ్యం ఫోన్‌లు, ల్యాప్‌టాప్‌ల స్థాయికి దిగి వస్తోంది. 740 మిలియన్ పారామీటర్లు, మాడ్యులర్ డిజైన్, అపాచీ 2.0 లైసెన్స్ — ఈ మూడు కలిసి క్లౌడ్ ఆధారిత ఎంబెడ్డింగ్ API వ్యాపారంపై ధరల ఒత్తిడి పెంచే అవకాశం ఉంది.
- ఎంబెడ్డింగ్ మోడల్స్ ఏ యాప్‌లోనైనా కనిపించవు, కానీ RAG, సెమాంటిక్ సెర్చ్, రికమండేషన్ వ్యవస్థలకు ఇవే ఆధారం — అంటే ఇది డెవలపర్ ఇన్‌ఫ్రా స్థాయి కదలిక.
- మాడ్యులర్ నిర్మాణం (టెక్స్ట్/కోడ్‌కు 270 మిలియన్, విజన్‌తో ~440, ఆడియోతో ~570) వల్ల తక్కువ సామర్థ్యమున్న పరికరాల్లోనూ కావాల్సిన భాగాన్నే లోడ్ చేసుకునే వీలు కలుగుతుంది.
- మత్రియోష్కా రిప్రజెంటేషన్ లెర్నింగ్‌తో వెక్టర్లను 128 డైమెన్షన్ల వరకు తగ్గించగలగడం స్టోరేజ్ ఖర్చును తగ్గిస్తుంది; 256 డైమెన్షన్ల వద్ద చిత్రం, వీడియో, స్పీచ్ రిట్రీవల్‌లో సుమారు 95% నాణ్యత నిలుస్తుందని గూగుల్ చెబుతోంది.
- ఆన్-డివైస్ ప్రాసెసింగ్ అంటే డేటా క్లౌడ్‌కు వెళ్లకుండానే సెర్చ్ జరగడం — ప్రైవసీ, ఆఫ్‌లైన్ వినియోగం, లేటెన్సీ మూడింటిలోనూ ప్రయోజనం, ముఖ్యంగా కనెక్టివిటీ అస్థిరంగా ఉండే మార్కెట్‌లలో.
- అపాచీ 2.0 లైసెన్స్‌తో హగ్గింగ్ ఫేస్‌లో వెయిట్స్ ఇవ్వడం ద్వారా గూగుల్ ఓపెన్-వెయిట్ పోటీలో తన స్థానాన్ని బలపరుస్తోంది; మూసి ఉన్న ఎంబెడ్డింగ్ API సేవలపై ఇది ప్రత్యక్ష ఒత్తిడి.
గమనించాల్సినవి — డెవలపర్లు వాస్తవ పరికరాల్లో దీన్ని ఎంత వేగంగా స్వీకరిస్తారు, స్వతంత్ర బెంచ్‌మార్క్‌లలో ప్రస్తుత ఎంబెడ్డింగ్ మోడళ్లతో పోలిస్తే ఎలా నిలబడుతుందో గమనించాలి.
కథనంలో స్వతంత్ర బెంచ్‌మార్క్ ఫలితాలు, పోటీ మోడళ్లతో పోలికలు, లేదా నిజమైన ఫోన్‌లలో వేగం-బ్యాటరీ వినియోగ వివరాలు లేవు — నాణ్యత గురించిన గణాంకాలు గూగుల్ చెప్పినవే.
లోతైన విశ్లేషణ
పరిశోధన సంక్షిప్తం · 8 ముఖ్యాంశాలు · 1 తేదీలు · పరీక్షలకు ఉపయోగంసంక్షిప్తం
నేపథ్యం
ఎంబెడ్డింగ్ మోడల్స్ అంటే టెక్స్ట్, చిత్రాలు, ఆడియో, వీడియో వంటి సమాచారాన్ని "వెక్టర్స్" అనే సంఖ్యా రూపంలోకి మార్చే AI మోడల్స్. ఈ వెక్టర్ల ద్వారా AI వ్యవస్థలు వివిధ రకాల సమాచారం మధ్య సంబంధాలను గుర్తించి, శోధన ఫలితాలను మరింత సందర్భోచితంగా ఇవ్వగలుగుతాయి. ఈ నేపథ్యంలో గూగుల్, పరికరాల్లోనే (ఆన్-డివైస్) సమర్థంగా పనిచేసేలా రూపొందించిన ఓపెన్ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్ "ఎంబెడ్డింగ్‌జెమ్మా 2"ను విడుదల చేసింది. సంస్థ సీఈఓ సుందర్ పిచాయ్ దీనిని గూగుల్ తొలి ఓపెన్, సహజసిద్ధ (natively) మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్‌గా పేర్కొన్నారు.
ముఖ్యాంశాలు
- ఎంబెడ్డింగ్‌జెమ్మా 2 పూర్తి మోడల్‌లో 740 మిలియన్ పారామీటర్లు ఉన్నాయి — మల్టీమోడల్ AI పనిభారానికి ఇది సాపేక్షంగా చిన్న పరిమాణం.
- ఇది గూగుల్ జెమ్మా 4 ఆర్కిటెక్చర్ ఆధారంగా రూపొందింది; వాణిజ్యపరంగా అనుమతించే అపాచీ 2.0 లైసెన్స్‌తో విడుదలైంది.
- మాడ్యులర్ డిజైన్: టెక్స్ట్, కోడ్ వెర్షన్‌కు 270 మిలియన్ పారామీటర్లు; విజన్ కలిపితే సుమారు 440 మిలియన్; ఆడియో కలిపితే సుమారు 570 మిలియన్.
- టెక్స్ట్, కోడ్, చిత్రాలు, వీడియో, ఆడియో అన్నీ ఉమ్మడి 768-డైమెన్షనల్ వెక్టర్ స్పేస్‌లో కలిపి శోధించవచ్చు.
- మాట్రియోష్కా రిప్రజెంటేషన్ లెర్నింగ్ మద్దతుతో 768-డైమెన్షనల్ వెక్టర్లను 128 డైమెన్షన్ల వరకు కుదించుకోవచ్చు.
- గూగుల్ ప్రకారం 256 డైమెన్షన్ల వద్ద టెక్స్ట్, కోడ్ శోధనలో నాణ్యత చాలావరకు నిలుస్తుంది; చిత్రం, వీడియో, స్పీచ్ రిట్రీవల్‌లో సుమారు 95% నాణ్యత ఉంటుంది.
- ప్రాథమిక టెక్స్ట్, కోడ్ వ్యవస్థ 8,192-టోకెన్ కాంటెక్స్ట్ విండో కలిగిన సవరించిన జెమ్మా 4 డీకోడర్‌ను ఉపయోగిస్తుంది.
- మోడల్ వెయిట్స్ ఇప్పుడు హగ్గింగ్ ఫేస్ ద్వారా డెవలపర్లకు అందుబాటులో ఉన్నాయి.
కాలక్రమం
- అక్టోబర్ 07, 2026 (12:30 IST — కథనం తొలి ప్రచురణ)గూగుల్ ఎంబెడ్డింగ్‌జెమ్మా 2 విడుదలను సీఈఓ సుందర్ పిచాయ్ ప్రకటించారు; మోడల్ వెయిట్స్ హగ్గింగ్ ఫేస్‌లో అందుబాటులోకి వచ్చాయి.
ఎవరికి సంబంధం
- గూగుల్ — ఓపెన్ మోడల్స్ (జెమ్మా శ్రేణి) ద్వారా డెవలపర్ పరిసరాలపై పట్టు; తొలి ఓపెన్, సహజ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్‌గా స్థానం.
- సుందర్ పిచాయ్, గూగుల్ సీఈఓ — మోడల్‌ను ప్రకటించి, సంస్థ తొలి ఓపెన్ నేటివ్ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్‌గా వర్ణించారు.
- డెవలపర్లు — అపాచీ 2.0 లైసెన్స్, మాడ్యులర్ డిజైన్ వల్ల తక్కువ హార్డ్‌వేర్ ఉన్న పరికరాల్లోనూ స్థానిక, మల్టీమోడల్ AI యాప్‌లు నిర్మించే అవకాశం.
- గోప్యతపై శ్రద్ధ ఉన్న వినియోగదారులు — జెమ్మా 4తో కలిపి ఆఫ్‌లైన్, ప్రైవసీ-ఫోకస్డ్ RAG — సమాచారం క్లౌడ్‌కు పంపకుండా పరికరంలోనే ప్రాసెస్ అవుతుంది.
- హగ్గింగ్ ఫేస్ — మోడల్ వెయిట్స్ పంపిణీ వేదికగా పనిచేస్తూ ఓపెన్ AI పరిసరాల్లో కేంద్ర స్థానం.
ఎందుకు ముఖ్యం
AI శోధన, రిట్రీవల్ క్లౌడ్ సర్వర్ల నుంచి పరికరాల వైపు మళ్లుతున్న ధోరణిని ఈ విడుదల సూచిస్తుంది — దీనివల్ల ఆఫ్‌లైన్‌లోనూ పని చేయడం, డేటా గోప్యత మెరుగుపడటం సాధ్యం. 740 మిలియన్ పారామీటర్ల కాంపాక్ట్ పరిమాణం, మాడ్యులర్ నిర్మాణం, అపాచీ 2.0 ఓపెన్ లైసెన్స్ కలిసి తక్కువ సామర్థ్యమున్న ఫోన్‌లు, పరికరాల్లోనూ మల్టీమోడల్ శోధనను చేరువ చేస్తాయి.
UPSC కోణం
ప్రిలిమ్స్ సూచనలు
- ఎంబెడ్డింగ్‌జెమ్మా 2 — గూగుల్ ఓపెన్ మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్; జెమ్మా 4 ఆర్కిటెక్చర్ ఆధారం; అపాచీ 2.0 లైసెన్స్.
- పారామీటర్లు: పూర్తి మోడల్ 740 మిలియన్; టెక్స్ట్+కోడ్ 270 మిలియన్; +విజన్ ~440 మిలియన్; +ఆడియో ~570 మిలియన్.
- ఉమ్మడి వెక్టర్ స్పేస్ 768 డైమెన్షన్లు; మాట్రియోష్కా రిప్రజెంటేషన్ లెర్నింగ్‌తో 128 డైమెన్షన్ల వరకు కుదింపు.
- 256 డైమెన్షన్ల వద్ద చిత్రం/వీడియో/స్పీచ్ రిట్రీవల్‌లో సుమారు 95% నాణ్యత నిలుస్తుందని గూగుల్ పేర్కొంది.
- టెక్స్ట్, కోడ్ భాగం: సవరించిన జెమ్మా 4 డీకోడర్, 8,192-టోకెన్ కాంటెక్స్ట్ విండో.
- మోడల్ వెయిట్స్ హగ్గింగ్ ఫేస్‌లో లభ్యం; జెమ్మా 4తో కలిపి ఆఫ్‌లైన్ RAGకు ఉపయోగం.
మెయిన్స్ కోణం
ఎంబెడ్డింగ్‌జెమ్మా 2 విడుదల, జనరేటివ్ AI రంగంలో రెండు ప్రధాన ధోరణులను చూపుతుంది: ఒకటి — భారీ క్లౌడ్ ఆధారిత మోడల్స్ నుంచి పరికర-స్థాయి (ఆన్-డివైస్) ప్రాసెసింగ్ వైపు మళ్లడం; రెండు — ఓపెన్ వెయిట్స్, వాణిజ్యానుకూల లైసెన్సుల ద్వారా డెవలపర్ పరిసరాలను విస్తరించడం. సాంకేతికంగా దీని కీలకాంశాలు: 768-డైమెన్షనల్ ఉమ్మడి వెక్టర్ స్పేస్‌లో టెక్స్ట్, కోడ్, చిత్రం, వీడియో, ఆడియోను కలిపి శోధించగల సహజ మల్టీమోడాలిటీ; హార్డ్‌వేర్ పరిమితుల మేరకు భాగాలను మాత్రమే లోడ్ చేసుకునే మాడ్యులర్ డిజైన్ (270/440/570/740 మిలియన్ పారామీటర్లు); నిల్వ ఆదా కోసం మాట్రియోష్కా రిప్రజెంటేషన్ లెర్నింగ్ ద్వారా వెక్టర్ కుదింపు. సామాజిక-విధాన కోణంలో చూస్తే, డేటాను క్లౌడ్‌కు పంపకుండా స్థానికంగానే ప్రాసెస్ చేసే ఆఫ్‌లైన్ RAG వ్యవస్థలు గోప్యత, డేటా స్థానికీకరణ, కనెక్టివిటీ లోపమున్న ప్రాంతాల్లో AI అందుబాటు వంటి సమస్యలకు పరిష్కార మార్గాన్ని సూచిస్తాయి. ముందుకు వెళ్లే దారి — ఓపెన్ మోడల్స్‌ను భాషా వైవిధ్యం, తక్కువ ధర పరికరాల కోసం అనుసరించుకోవడం, అలాగే ఓపెన్ వెయిట్స్ దుర్వినియోగ ప్రమాదాలను దృష్టిలో ఉంచుకుని బాధ్యతాయుత విస్తరణ. (మూలంలో లేని విధాన వివరాలు ఇక్కడ పేర్కొనలేదు.)
కీలక పదాలు
- ఎంబెడ్డింగ్ మోడల్
- టెక్స్ట్, చిత్రం, ఆడియో, వీడియో వంటి సమాచారాన్ని వెక్టర్స్ అనే సంఖ్యా రూపాల్లోకి మార్చి, వాటి మధ్య సంబంధాలను AI గుర్తించేలా చేసే మోడల్.
- మల్టీమోడల్
- ఒకే వ్యవస్థలో టెక్స్ట్, కోడ్, చిత్రాలు, వీడియో, ఆడియో వంటి అనేక రకాల కంటెంట్‌ను కలిపి నిర్వహించగల సామర్థ్యం.
- RAG (రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్)
- సంబంధిత సమాచారాన్ని ముందుగా వెలికితీసి, దాని ఆధారంగా AI సమాధానం ఇచ్చే విధానం; జెమ్మా 4తో కలిపి ఆఫ్‌లైన్‌లోనూ సాధ్యం.
- అపాచీ 2.0 లైసెన్స్
- వాణిజ్య ఉపయోగాన్ని అనుమతించే ఉదార ఓపెన్-సోర్స్ లైసెన్స్; ఎంబెడ్డింగ్‌జెమ్మా 2 ఈ లైసెన్స్‌తో విడుదలైంది.
- మాట్రియోష్కా రిప్రజెంటేషన్ లెర్నింగ్
- 768-డైమెన్షనల్ వెక్టర్లను 128 డైమెన్షన్ల వరకు కుదించి, నిల్వ ఆదా చేస్తూ శోధన నాణ్యతను చాలావరకు కాపాడే పద్ధతి.
- కాంటెక్స్ట్ విండో
- మోడల్ ఒకేసారి పరిగణించగల టోకెన్ల పరిమాణం; ఇక్కడ టెక్స్ట్/కోడ్ భాగానికి 8,192 టోకెన్లు.
ప్రాక్టీస్ ప్రశ్నలు
- ఆన్-డివైస్ AI మోడల్స్ డేటా గోప్యత, కనెక్టివిటీ సమస్యలను ఎలా పరిష్కరిస్తాయి? ఎంబెడ్డింగ్‌జెమ్మా 2 ఉదాహరణగా చర్చించండి.
- మల్టీమోడల్ ఎంబెడ్డింగ్ మోడల్‌లో ఉమ్మడి వెక్టర్ స్పేస్, మాడ్యులర్ డిజైన్ ప్రాముఖ్యత ఏమిటి? పారామీటర్ల పరిమాణాల ఆధారంగా వివరించండి.
- ఓపెన్ వెయిట్స్‌తో AI మోడల్స్ విడుదల చేయడం ఆవిష్కరణకు ఊతమిస్తుందా లేక నియంత్రణ సవాళ్లను పెంచుతుందా? విశ్లేషించండి.
మూల వార్త ఆధారంగానే రాసినవి — సంఖ్యలు, తేదీలు మూలం చెప్పినవే, ఊహించినవి కావు.