Google lança o EmbeddingGemma 2, modelo aberto multimodal
Encontrar exatamente o que se procura, seja uma frase em um documento, uma cena em um vídeo ou um trecho de uma gravação, é um dos desafios mais importantes da tecnologia atual. O Google DeepMind deu um passo relevante nessa direção na terça-feira, 6 de outubro, ao lançar o EmbeddingGemma 2, um modelo de pesos abertos capaz de entender texto, código, imagens, vídeo e áudio em um mesmo espaço de significado.
E tem um detalhe que chama atenção: ele é compacto o suficiente para rodar diretamente em celulares e notebooks. Com 740 milhões de parâmetros, construído sobre a arquitetura do Gemma 4 e distribuído sob a licença Apache 2.0, o modelo pode ser usado inclusive em projetos comerciais.
O que são embeddings e por que eles importam
Embeddings são a forma como a inteligência artificial transforma conteúdo em números que representam o seu significado. Em vez de comparar palavras exatas, o sistema compara ideias. É assim que uma busca entende que “tênis para correr” e “calçado esportivo para corrida” falam da mesma coisa.
Essa tecnologia está por trás de mecanismos de busca, sistemas de recomendação e das soluções de geração aumentada por recuperação, conhecidas como RAG, que permitem a um chatbot consultar documentos de uma empresa antes de responder. Quanto melhores os embeddings, mais precisas são as respostas.
De texto para tudo
O primeiro EmbeddingGemma, lançado em setembro de 2025, trabalhava apenas com texto, tinha 308 milhões de parâmetros e já ultrapassou 20 milhões de downloads, segundo o Google. A nova versão vai muito além. Todos os tipos de conteúdo passam a ocupar o mesmo espaço de 768 dimensões, o que permite, por exemplo, localizar um trecho de vídeo a partir de uma nota de voz ou pesquisar horas de áudio digitando uma frase simples.
Um modelo modular e eficiente
Uma das ideias mais inteligentes do EmbeddingGemma 2 é que ninguém precisa carregar o modelo inteiro. De acordo com o guia do desenvolvedor do Google, o núcleo de texto e código tem 270 milhões de parâmetros, o codificador de imagens acrescenta 170 milhões e o de áudio soma mais 300 milhões.
Como todas as combinações geram vetores no mesmo espaço, uma consulta feita apenas com o módulo de texto pode ser comparada diretamente com documentos processados pelo modelo completo. Isso dá liberdade para criar aplicações leves sem abrir mão da compatibilidade.
A janela de contexto também cresceu. Agora são 8.192 tokens para todas as entradas, quatro vezes mais que no modelo original. Na prática, isso comporta até 29 imagens, 58 quadros de vídeo ou cinco minutos e meio de áudio em uma única análise.
Desempenho e economia de armazenamento
Segundo o Investing.com, o modelo alcançou 78,68 pontos no teste de código do Massive Text Embedding Benchmark, quase 10 pontos acima dos 68,76 do antecessor. Outro destaque é a técnica Matryoshka Representation Learning, que permite reduzir os vetores para até 128 dimensões e diminuir o armazenamento em até seis vezes.
Existe, claro, um equilíbrio entre economia e qualidade. Segundo o Google, vetores de 256 dimensões mantêm cerca de 95% da qualidade na busca por imagens, vídeos e fala. Com 128 dimensões, essa qualidade cai para aproximadamente 75%. Cabe a cada projeto escolher o ponto ideal.
Um alerta para desenvolvedores
Segundo o Unite.AI, o model card informa que o EmbeddingGemma 2 não recebeu ajustes de segurança após o treinamento. Isso significa que as proteções precisam ser implementadas pelos próprios desenvolvedores dentro de suas aplicações.
Inteligência artificial direto no aparelho
Rodar a IA no próprio dispositivo traz vantagens claras, como mais privacidade, menos dependência da internet e respostas mais rápidas. Em um Pixel 11 Pro, com o modelo otimizado, a versão somente de texto usa cerca de 191 megabytes de memória ativa, enquanto o modelo multimodal completo ocupa aproximadamente 567 megabytes.
O Google também mostrou aplicações práticas. O app Google AI Edge Gallery vai receber duas demonstrações: o Instant Media Search, que encontra fotos e vídeos guardados no aparelho a partir de uma descrição, e o Video Moments Finder, capaz de localizar cenas como um cachorro pegando um frisbee sem precisar transcrever o áudio. Para computadores Apple, a empresa apresentou o Google AI Edge Foresight, um app experimental que pesquisa transcrições de reuniões, anotações, imagens e documentos salvos no Mac.
Disponibilidade
Os pesos do modelo já podem ser baixados no Hugging Face e no Kaggle. Nas próximas semanas, ele deve chegar ao ML Kit para Android, com aceleração de hardware em aparelhos compatíveis, e o Google promete disponibilizá-lo em breve no Model Garden da Gemini Enterprise Agent Platform.
O que isso significa para as empresas
Modelos abertos, leves e multimodais como o EmbeddingGemma 2 tornam a busca inteligente acessível a negócios de todos os tamanhos. Uma loja virtual pode permitir que o cliente encontre produtos descrevendo o que procura com suas próprias palavras. Uma empresa de serviços pode oferecer um assistente que responde com base nos seus próprios materiais. Um portal de conteúdo pode conectar artigos, vídeos e podcasts por assunto, e não apenas por palavra-chave.
Essas soluções, porém, dependem de uma base bem organizada. Conteúdo estruturado, páginas claras e uma arquitetura de site pensada para crescer são o que permite integrar busca semântica, chatbots e automações de forma eficiente.
Prepare seu site para a nova geração de buscas inteligentes
A forma como as pessoas procuram informações está mudando, e os sites precisam acompanhar essa transformação. Um site moderno não é apenas bonito: ele é rápido, bem estruturado, otimizado para SEO e preparado para receber recursos de inteligência artificial que melhoram a experiência do visitante.
Na Mags Web Studio, criamos sites estratégicos que unem design profissional, copy de conversão e tecnologia pronta para automações e integrações inteligentes. Fale com a gente e transforme o seu site em uma ferramenta que ajuda seus clientes a encontrar exatamente o que procuram.
