01功能特性
优点
- Apache 2.0（可自由商用）
- 多模态：文本、图像和音频位于同一向量空间中
- 超轻量：Q4 占用约 0.4 GB VRAM，CPU 模式占用约 0.9 GB RAM
- 官方 Ollama 标签：一条命令完成安装
需了解的局限性
- —嵌入模型——不生成文本（非对话型LLM）
- —上下文限制为 8k token：拆分长文档
- —整合到完整的 RAG 流水线中（向量数据库 + 生成式 LLM）
架构
多模态嵌入编码器 · 270M 文本骨干网络 + 模块化编码器（总计 740M）· 8k 上下文
训练
Google 的开放权重嵌入模型（Gemma 系列）：为文本、图像和音频生成多语言语义向量。语料库详情未公开。Apache 2.0。
最适合的场景
RAG 与语义检索多模态嵌入在 CPU / 小型 GPU 上建立索引
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama pull embeddinggemma-2
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
0.4 GB
Q5_K_M
质量/体积的良好平衡
0.5 GB
Q8_0
几乎无法与 FP16 区分
0.7 GB
FP16
全精度 — 服务器用途
1.4 GB
CPU 回退 · 如果您没有 GPU，请预留 0.9 GB 内存 以较低速度运行此模型的最低要求。
运行EmbeddingGemma 2需要什么硬件？
在本地以Q4量化运行EmbeddingGemma 2，大约需要0.4 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16 GB — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： EmbeddingGemma 2 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 终身更新
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。