Google presentó este martes EmbeddingGemma 2, un modelo de 740 millones de parámetros pensado para organizar, buscar y relacionar información directamente en el hardware del usuario, ya sea un celular o una computadora. Está construido sobre la arquitectura de Gemma 4 y se distribuye con licencia Apache 2.0, que habilita el uso comercial bajo las condiciones de esa licencia. Para mostrar qué se puede hacer con él, la compañía lanzó una app para Mac llamada Google AI Edge Foresight.
EmbeddingGemma 2 es un modelo de embeddings, es decir, de los que convierten contenido en representaciones numéricas para medir relaciones de significado entre dos elementos. Lo que cambia en esta versión, según Google, es que un único modelo nativamente multimodal maneja texto, código, imágenes, audio y video en un mismo espacio de representación. Con eso se puede ubicar un clip de video a partir de una nota de voz, o recorrer horas de grabaciones de audio con una consulta escrita, sin armar un sistema distinto para cada formato.
La compañía lo diseñó para trabajar con recursos acotados. Con cuantización, una técnica que reduce la precisión numérica de los pesos para que ocupen menos memoria, en un Pixel 11 Pro necesita unos 191 MB de RAM activa para los pesos de texto y unos 567 MB para el modelo multimodal completo, según Google. Hay demos disponibles en la app Google AI Edge Gallery, tanto en Android como en iOS.
La demostración principal es Google AI Edge Foresight, una app de toma de notas para Mac que ya se puede descargar. Durante una reunión presencial o una videollamada escucha en segundo plano, mientras el usuario anota frases sueltas. Después, apoyada en EmbeddingGemma 2 y en la transcripción de la reunión, amplía esos apuntes hasta convertirlos en notas completas. Según Google, el audio y la transcripción se procesan enteramente en el equipo y no en la nube.
Otra función permite apuntar la app hacia carpetas de proyectos, material de referencia, diagramas y el calendario. Trabaja con archivos locales y con Google Drive, y según la empresa entiende el trabajo del usuario sin que haga falta ordenar nada a mano. Sobre ese material se pueden hacer preguntas en un chat que devuelve información y resúmenes. También incluye un modo llamado Live Assistance, que escucha y responde preguntas de forma automática.
Foresight se suma a las otras dos apps de la familia AI Edge para Mac: AI Edge Gallery y AI Edge Eloquent, esta última dedicada a la transcripción sin conexión.
Investing.com agregó datos técnicos del lanzamiento. Según ese medio, EmbeddingGemma 2 tiene una ventana de contexto de 8.000 tokens, cuatro veces la de su antecesor, y la primera EmbeddingGemma superó los 20 millones de descargas.
El modelo se puede bajar desde Hugging Face y Kaggle. Investing.com sostiene que es compatible con MediaPipe, LiteRT, Transformers, Sentence Transformers, MLX, vLLM, llama.cpp, SGLang, Ollama y LM Studio.
