AI·THE EXPLAINERニュースを理解する
Google DeepMind releases open multimodal EmbeddingGemma 2Google、多モーダル埋め込みモデル新版公開
Google DeepMind launched EmbeddingGemma 2, a 740-million-parameter open-weight model that maps text, code, images, video, and audio into one embedding space for on-device use.Google DeepMindはテキスト・コード・画像・動画・音声を1つの埋め込み空間に統合する7億4000万パラメータのオープンウェイトモデル「EmbeddingGemma 2」を公開した。
Google · Archive photograph, 2013-05-25Google · 資料写真、2013-05-25 · Austin McKinley
Google · Archive photograph, 2013-05-25Google · 資料写真、2013-05-25
Austin McKinley ↗ · CC BY 3.0 · Cropped to fit表示枠に合わせてトリミング
THE SOURCE TRAIL情報の根拠
4 first-party sources linked. 1 news organization linked.当事者・公的資料4件、報道機関1件にリンクしています。
Claims checked against source text主張と原典の照合記録（英語）
An automated review linked these claims to supplied source text. This is not a human fact-check or independent verification of the source.自動点検が、記事の主張と入力した原典本文を対応づけた記録です。人による事実確認や、原典自体の正しさを独立して検証した結果ではありません。
Google DeepMind launched EmbeddingGemma 2, a 740M-parameter multimodal embedding model built on Gemma 4 architecture under Apache 2.0 license, unifying text, code, images, video, and audio in one embedding space
deepmind.google ↗The model features an 8K token context window enabling processing of up to 5.5 minutes of audio or 29 images on-device, and requires ~191MB RAM for text-only or ~567MB for full multimodal use on a Google Pixel 11 Pro
deepmind.google ↗The model will become available as a service on Android through ML Kit in the coming weeks
developers.googleblog.com ↗
Reviewed: 照合日時：
What happened何が起きたか
Google DeepMind released EmbeddingGemma 2 on October 6, 2026, a 740-million-parameter embedding model built on the Gemma 4 architecture under an Apache 2.0 license. Unlike its text-only predecessor, which passed 20 million downloads, it natively unifies text, code, images, video, and audio in one embedding space, with an 8K token context window letting it process up to 5.5 minutes of audio or 29 images on-device.Google DeepMindは2026年10月6日、Gemma 4アーキテクチャを基にApache 2.0ライセンスで公開した7億4000万パラメータの埋め込みモデル「EmbeddingGemma 2」を発表した。前身のテキスト専用版はダウンロード数2000万件を超えていたが、新版はテキスト・コード・画像・動画・音声を1つの埋め込み空間に統合し、8Kトークンのコンテキストウィンドウにより端末上で最大5.5分の音声や29枚の画像を処理できる。
Why it matters何が変わるのか
Developers building local search, retrieval-augmented generation, or zero-shot routing tools can now process multiple data types with one model instead of chaining separate image, speech, and text models, cutting latency and memory use. Google states it runs on as little as ~191MB RAM for text-only use or ~567MB for full multimodal use on a Google Pixel 11 Pro.開発者はローカル検索や検索拡張生成、ゼロショットのルーティングツールを構築する際、画像・音声・テキスト用の別々のモデルを連結する必要がなくなり、遅延とメモリ消費を削減できる。Googleによれば、Google Pixel 11 Proではテキスト専用で約191MB、全モーダル対応でも約567MBのRAMで動作するという。
What’s nextこれからの動き
Google says the model will become available as a service on Android through ML Kit in the coming weeks, with Gemini Enterprise Agent Platform Model Garden access also coming soon.Googleは今後数週間以内にAndroid向けにML Kit経由でサービスとして提供する予定であり、Gemini Enterprise Agent Platform Model Gardenでの提供も近く開始するとしている。
A little context · terms in this story理解の手がかり · この記事の用語
- Open weights
- The model’s learned parameters are available to download. The license still determines how you may use or redistribute them; open weights does not necessarily mean open source.AIが学習したパラメーターをダウンロードできること。利用・再配布の条件はライセンスで決まり、オープンソースと同じ意味とは限りません。
- AI agent
- Software that uses an AI model and tools to carry out steps toward a task. How independently it can act depends on the product and the permissions you give it.AIモデルとツールを使い、目的に向けて複数の手順を実行するソフトウェア。自律的に動ける範囲は製品や与える権限によって異なります。
- Token
- A unit of text processed by a language model, often a word or part of a word. Input and output tokens may have different prices.言語モデルが文章を処理する単位。単語や単語の一部などに分かれ、入力と出力で料金が異なる場合があります。
Read the sources原典を読む
The marked texts informed this summary. Other links provide related coverage; a link is not independent verification.印のある記事本文を要約の材料にしています。ほかは関連情報です。リンクの数は独立した裏付けの数を意味しません。
Google DeepMinddeepmind.googleFirst-party source当事者・公的資料Text used in this brief要約の材料に使用
Google Developersdevelopers.googleblog.comFirst-party source当事者・公的資料Text used in this brief要約の材料に使用
blog.googleblog.googleFirst-party source当事者・公的資料Text used in this brief要約の材料に使用
Simon Willisonsimonwillison.netRelated publication関連する掲載記事
Show 11 more source links残り11件の出典を見る
The Decoderthe-decoder.comRelated publication関連する掲載記事
Google AI for Developersai.google.devFirst-party source当事者・公的資料
9to5Google9to5google.comRelated publication関連する掲載記事
The New Stackthenewstack.ioRelated publication関連する掲載記事
iThinkDifferentithinkdiff.comRelated publication関連する掲載記事
unsloth.aiunsloth.aiRelated publication関連する掲載記事
The Vergetheverge.comNews organization報道機関
Unite.AIunite.aiRelated publication関連する掲載記事
The Deep Viewthedeepview.comRelated publication関連する掲載記事
The Next Webthenextweb.comRelated publication関連する掲載記事
RuntimeWireruntimewire.comRelated publication関連する掲載記事
More in AIAIのほかの記事
MiniMax launches M3.1 Flash, cuts agent task costs 70%MiniMax、M3.1 Flash発表 エージェント費用7割減
12 linked sites関連12サイト
Mistral launches Voxtral 3 speech models and voice agent SDKMistral、音声エージェントSDK「Voxtral 3」公開
1 linked site関連1サイト
Anthropic opens Claude Duet preview on waitlistAnthropic、Claude Duetの先行体験開始
19 linked sites関連19サイト