O Google lançou o EmbeddingGemma 2, um modelo aberto que transforma texto, imagens, áudio e vídeo em representações que podem ser comparadas dentro do mesmo espaço de busca. A proposta é levar recuperação multimodal para dispositivos locais, sem exigir que cada consulta envie o acervo a um serviço remoto.1
Isso aproxima a busca de um problema cotidiano das empresas: a informação raramente está toda em documentos bem organizados. Uma explicação pode estar em uma gravação, uma evidência em uma fotografia e o procedimento correspondente em um PDF. Encontrar a relação entre esses materiais é diferente de procurar uma palavra no nome do arquivo.
Buscar por significado, mesmo entre formatos diferentes
Um embedding representa características do conteúdo em um vetor numérico. A aplicação compara esses vetores para recuperar itens relacionados à consulta. No EmbeddingGemma 2, diferentes modalidades podem participar dessa comparação, permitindo procurar uma imagem com texto ou localizar um trecho de vídeo por uma descrição.1
O resultado é uma seleção de candidatos relevantes, não uma resposta pronta nem uma comprovação do que está no arquivo. Se o sistema usa um modelo generativo para redigir uma explicação, essa é outra etapa do fluxo. Separar recuperação e redação ajuda a identificar onde um erro começou.
Em uma operação de manutenção, por exemplo, um técnico pode procurar registros de um componente sem conhecer o código usado no cadastro. Fotografias e relatos de ocorrências podem ajudar a localizar o material. O sistema ainda precisa apresentar a fonte, a data e a identificação do equipamento para que a semelhança não seja confundida com confirmação.
Essa distinção também muda a interface. Em vez de mostrar apenas uma lista de arquivos, a busca pode apontar o trecho de uma gravação ou a imagem que motivou o resultado. O usuário ganha uma forma de conferir por que aquele item apareceu.
O tamanho do índice faz parte do projeto
O desenho é modular: a carga somente de texto utiliza 270 milhões de parâmetros, com codificadores opcionais para visão e áudio. Os vetores podem ser reduzidos de 768 para 512, 256 ou 128 dimensões, conforme a necessidade da aplicação.1
Diminuir dimensões reduz o espaço ocupado pelo índice, mas a escolha deve acompanhar a qualidade da busca. Uma configuração menor pode funcionar bem para localizar categorias amplas e perder distinções necessárias em um acervo técnico. O teste relevante é recuperar os documentos certos diante das perguntas reais dos usuários.
O índice também precisa acompanhar a vida dos arquivos. Um procedimento substituído não deveria continuar aparecendo como orientação atual. Exclusões, revisões e permissões devem se refletir nos resultados, incluindo miniaturas, transcrições e trechos extraídos. Caso contrário, a busca cria uma segunda cópia do acervo, difícil de administrar.
Há ainda um custo de preparação. Processar um catálogo inteiro é diferente de consultar um índice pronto. A experiência precisa considerar o tempo de indexação, o consumo de armazenamento e o comportamento do aplicativo enquanto novos materiais são incorporados.
Processamento local aproxima a busca de operações sem conexão
Gerar embeddings no próprio dispositivo abre espaço para consultas offline e reduz a necessidade de transmitir conteúdo. Essa característica é útil para trabalho em campo, instalações com conectividade instável e acervos que a organização prefere manter no equipamento.1
Ela não torna o produto privado por definição. Sincronização, cópias de segurança, telemetria e o modelo que redige a resposta podem continuar enviando informações. A avaliação precisa acompanhar o fluxo completo, não somente o lugar onde o vetor foi calculado.
Para um aplicativo de campo, o ganho pode ser simples e concreto: encontrar a instrução certa sem esperar a conexão voltar. O projeto ganha consistência quando a busca informa qual versão do material está disponível e distingue uma consulta local de uma atualização ainda pendente.
O EmbeddingGemma 2 amplia as possibilidades de organizar conhecimento fora de uma infraestrutura central. O valor aparece quando documentos, imagens e gravações deixam de ser arquivos isolados e passam a ajudar alguém a resolver uma tarefa, com evidência suficiente para conferir o resultado.
- Google DeepMind, "EmbeddingGemma 2: an open, lightweight multimodal embedding model", 6 out. 2026. ↩