EmbeddingGemma-2, los embeddings multimodales de Google para buscar de todo tipo
Google publica EmbeddingGemma-2, una familia de modelos de pesos abiertos para extracción de características (feature-extraction) pensados para generar embeddings de texto, imagen, audio y vídeo, no solo de texto. Están entrenados con sentence-transformers y safetensors, y encajan directamente en los flujos de búsqueda semántica, recuperación (RAG) y clasificación donde antes hacían falta varios modelos especializados por modalidad. En Hugging Face ya suma más de 1.500 me gusta y más de 45.000 descargas, una tracción rápida para un modelo de embeddings. Es una pieza práctica para quien quiere un único modelo de pesos abiertos que embeba multimodal y sirva como base de un sistema de recuperación en local o self-hosted.