Google、マルチモーダル埋め込みモデルを公開

Googleは、テキストだけでなくコード・画像・動画・音声にも対応する埋め込みモデル「EmbeddingGemma 2」を公開した。Apache 2.0ライセンスのもとで提供されるオープンウェイトモデルであり、Gemma 4をベースに構築されている。

「埋め込みモデル」とは、文章や画像などのデータを、意味的な近さを数値で表現できる形式（ベクトル）に変換する技術だ。この変換により、「似た意味を持つデータ」を素早く見つけ出す意味検索や、RAG（検索拡張生成）と呼ばれる手法——AIが外部の知識を検索しながら回答を生成する仕組み——の効率を高めることができる。EmbeddingGemma 2は、まさにこの用途に特化して設計されている。

従来の埋め込みモデルの多くはテキストに特化していた。それに対してEmbeddingGemma 2は、コード・画像・動画・音声という複数の情報形式（モダリティ）をひとつのモデルで扱える点が特徴だ。これにより、異なる種類のデータをまとめて検索・比較するシステムを、単一のモデルで構築できるという見方ができる。

また、このモデルはオンデバイス展開、つまりクラウドではなく手元のデバイス上での動作を想定して性能が最適化されている。コンパクトな設計とオープンウェイト（重みが公開されている）という性質は、開発者が自身の環境でモデルを動かしやすくするための選択と位置づけられる。

Apache 2.0ライセンスでの公開は、商用利用を含む幅広い用途での活用を可能にする。オープンウェイトモデルは、企業や研究者がモデルの中身を確認・調整しながら使える点で、クローズドなAPIとは異なる柔軟性を持つ。特にデータをクラウドに送りたくない用途や、プライバシーに敏感な分野での活用において選択肢として浮上しやすいと言える。

AI検索やRAGをめぐっては、複数の情報形式を横断して扱えるマルチモーダルな対応が課題となっていた。EmbeddingGemma 2の登場は、こうしたシステムを構築する際のハードルを下げる一歩と見ることができる。今後、オンデバイスAIのユースケースがどう広がるか、また開発者コミュニティでの活用がどう進むかが注目点となる。