30秒サマリー
- GoogleがGemma 4ベースのマルチモーダル埋め込みモデル「EmbeddingGemma 2」の開発者向け実装ガイドを公式ブログで詳説
- テキスト・コード・画像・動画・音声を768次元の共通ベクトル空間にマッピング、最小270Mパラメータから起動可能
- MRL（Matryoshka表現学習）により次元数を768→128に圧縮でき、ベクトルDB容量を最大6分の1に削減
何が起きたか
Googleは2026年10月6日、埋め込みモデル「EmbeddingGemma 2」の開発者向け実装ガイドを公式ブログで公開した。同モデルはGemma 4をベースにした10億パラメータ未満のオープンモデルで、Apache 2.0ライセンスで提供されている。テキスト・コード・画像・動画・音声という異なるモダリティを768次元の共通ベクトル空間にマッピングする設計が特徴であり、モダリティをまたいだ類似検索（クロスモーダル検索）が単一モデルで実現できる。
アーキテクチャはモジュール式で、テキスト・コードのみであれば270Mパラメータで起動でき、視覚エンコーダを加えると440M、音声エンコーダを加えると570M、全モダリティで740Mとなる。使用しないエンコーダはメモリに読み込まれないため、リソースに応じた柔軟な運用が可能だ。また、Gemma 4と同一のテキストトークナイザー・音声エンコーダ構造を共有しているため、Gemma 4と組み合わせたオンデバイスRAGパイプラインではメモリ使用量を抑えられるとしている。
MRL（Matryoshka表現学習）機能により、ベクトルの次元数を768から512・256・128へ動的に圧縮できる。ブログの説明によれば、256次元ではテキスト・コードはほぼフル品質を維持し、画像・動画・音声検索でも約95%の精度を保持する。128次元（6倍の容量削減）ではテキスト・コードで約90%の品質を維持するが、画像・動画・音声の精度は約75%まで低下するため、マルチモーダル用途では事前検証が推奨されている。評価ベンチマークでは、コード検索を測定するMTEB（Code）においてEmbeddingGemma 1比で14%のスコア向上が報告されている。
原典ハイライト
ブログはEmbeddingGemma 2の核心として「4エンコーダ構成のモジュール設計」「単一の768次元ベクトル空間による異モダリティ間検索」「MRLによる最大6倍の次元圧縮」の3点を挙げている。特に、テキスト専用270Mで生成したクエリ埋め込みと、フルモデル740Mで生成したドキュメント埋め込みが同一ベクトル空間で比較可能な点を「インデックス拡張時の再計算不要」という実務上のメリットとして強調している。
出典: Google Developers Blog – AI（公式ブログ）
So What?（なぜ重要か）
RAGシステムにおける最大の課題の一つは「モダリティごとに異なるモデルを用意し、それぞれのベクトル空間を管理するコストと複雑さ」だった。EmbeddingGemma 2は単一モデルで全モダリティを同一ベクトル空間に収めることで、パイプラインの構成部品数を削減できる設計となっている。さらにMRLによる次元圧縮と組み合わせることで、ベクトルDBのストレージコストとメモリ消費を大幅に抑えながら検索精度を維持できる可能性がある。コスト・精度・運用複雑性のトレードオフを開発者が柔軟に調整できる点が実用上の重要な変化と言える。
日本企業への示唆
社内文書検索やRAG基盤を構築・運用している日本企業にとって、いくつかの具体的な検討ポイントがある。①現在、テキスト・画像・動画など複数モダリティを別々のモデルで処理している場合、EmbeddingGemma 2への統合によってインフラを簡素化できる可能性がある。②MRLの256次元設定はテキスト・コードでほぼフル品質を維持しつつストレージを3分の1に削減できるため、大規模インデックスのコスト圧縮手段として評価する価値がある。③Apache 2.0ライセンスのオープンモデルであるため、社外にデータを送信せずオンプレミスや自社クラウドで運用でき、機密性の高い業務文書の検索にも適用しやすい。④モジュール設計により、最初にテキスト専用で導入し後から画像・音声エンコーダを追加しても既存インデックスを再計算せずに済む点は、段階的な導入計画と相性がよい。まずは270Mのテキスト・コードのみ構成から試験導入し、精度と負荷を評価するアプローチが現実的だろう。
背景・経緯
原文によれば、EmbeddingGemma 2はEmbeddingGemma 1の後継モデルであり、コード検索ベンチマークでの改善に加え、画像・動画・音声のマルチモーダル対応が追加されている。ベースモデルはGemma 4。開発者向けガイドはHugging Face、sentence-transformers、vLLM、Ollama、LMStudioなど主要ツールでの利用方法を示しており、Google AI Edge Galleryではオンデバイスデモも公開されているとしている。EmbeddingGemma 2のサービス開始・リリース日については原文に明示的な記載はなく、本ガイド公開日（2026年10月6日）に関連コンテンツが同時公開されたことが確認できる程度にとどまる。
