구글 'EmbeddingGemma 2' 공개… 기기 안에서 사진·영상까지 검색
3줄 요약
- 구글 딥마인드가 글·이미지·소리·영상을 한 공간에서 다루는 경량 임베딩 모델 'EmbeddingGemma 2'를 공개했습니다.
- 7억 4천만 파라미터로 스마트폰에서도 돌아가며, 상업적으로 쓸 수 있는 Apache 2.0 라이선스입니다.
- Hugging Face와 Kaggle에서 바로 받을 수 있고, 음성 메모로 영상 장면을 찾는 검색을 인터넷 없이 만들 수 있습니다.
구글 딥마인드는 10월 6일 EmbeddingGemma 2를 공개했습니다. 임베딩은 글이나 이미지의 의미를 숫자 목록으로 바꿔 비슷한 것을 찾게 해 주는 기술인데, 새 모델은 글과 코드뿐 아니라 이미지·영상·소리까지 하나의 공간에 담습니다. 지난해 나온 1세대 모델은 2천만 회 넘게 내려받아졌다고 밝혔습니다.
Gemma 4 구조를 바탕으로 7억 4천만 파라미터 규모로 만들었고, 이미지·소리 인코더를 필요할 때만 붙이는 방식이라 글만 다룰 때는 2억 7천만 파라미터로도 쓸 수 있습니다. 한 번에 다룰 수 있는 분량은 8K 토큰으로 이전보다 4배 늘어, 소리 5.5분이나 이미지 29장, 영상 프레임 58장까지 처리합니다.
구글은 양자화를 적용하면 Pixel 11 Pro에서 글 전용은 약 191MB, 멀티모달 전체는 약 567MB 메모리로 돌아간다고 밝혔습니다. 결과 벡터의 길이를 768에서 128까지 줄여 저장 공간을 최대 6분의 1로 아끼는 기능도 있습니다. 코드 검색 성능(MTEB Code)은 68.76점에서 78.68점으로 올랐습니다.
같은 크기(10억 파라미터 미만) 모델 가운데 가장 뛰어나다는 평가는 구글이 고른 벤치마크 기준입니다. 모델은 Hugging Face와 Kaggle에서 받을 수 있고, transformers, Ollama, llama.cpp 같은 도구에서 바로 실행할 수 있습니다.
왜 중요한가
검색과 RAG의 바탕인 임베딩이 사진·영상·음성까지 넓어지고, 스마트폰 안에서 돌아갈 만큼 작아졌습니다. 사진첩이나 녹음 파일처럼 밖으로 보내기 꺼려지는 데이터를 기기 안에서 검색하는 앱을 만들기가 한결 쉬워질 것으로 보입니다.
누구에게 중요한가
출처
- EmbeddingGemma 2: an open, lightweight multimodal embedding model — Google DeepMind
