حوّلت جوجل مهمة "العثور على الأشياء محليًا" إلى نموذج صغير يمكن وضعه داخل الهاتف. EmbeddingGemma2 الذي أطلقته حديثًا هو أول نموذج تضمين مفتوح المصدر متعدد الوسائط أصلي لديها، إذ يبلغ حجم معاملاته 740M، ومع ذلك يستطيع تعيين النصوص والأكواد والصور والفيديو والصوت كلها دفعة واحدة في نفس الفضاء الدلالي، مما يجعل الاسترجاع عبر الوسائط يعمل لأول مرة بهذه الخفة على الأجهزة الطرفية.
الميزة الأكثر بديهية هي الصغر والعمل دون اتصال. النموذج المتعدد الوسائط الكامل لا يتجاوز استهلاكه للذاكرة 600 ميجابايت، ما يعني أنه يمكن تشغيله مباشرة على الهواتف والحاسبات المحمولة والمتصفحات، دون رفع أي محتوى إلى السحابة طوال الوقت — فألبوم صورك وتسجيلاتك وفيديوهاتك تبقى على جهازك أثناء البحث فيها، وبذلك تُحفظ الخصوصية تلقائيًا. نافذة السياق تبلغ 8K، أي أربعة أضعاف الجيل السابق، مما يتيح استيعاب مواد أطول قبل المطابقة؛ كما يمتد الدعم اللغوي إلى أكثر من 100 لغة، فلم يعد البحث عبر اللغات عقبة.
من حيث الأداء، تدّعي جوجل أنه يتقدم بوضوح على المنافسين مفتوعي المصدر ذوي الحجم المماثل في مهام الاسترداد المتعلقة بالصور والفيديو والأكواد. والأكثر أناقة هو التصميم المعياري: يمكن تحميل الأجزاء غير الضرورية عند الحاجة فقط، كما يمكن ضغط حجم الفهرس، فالموفَّر هو مساحة وقدرة حسابية معًا. في الاستخدام الواقعي، مهامه محددة — البحث دلاليًا عن صورة أو وسائط معينة في الألبوم المحلي، وتحديد مقطع بعينه داخل فيديو طويل مباشرة، والبحث دون اتصال في ملفات موزعة في أماكن متعددة، أو البحث عن الدوال والمقاطع حسب النية داخل قاعدة الأكواد المحلية، دون الحاجة أولًا إلى دفع المستودع إلى خدمة سحابية للبحث فيه.
حين يصبح نموذج التضمين متعدد الوسائط صغيرًا بحيث يمكن حمله في الهاتف، ومفتوح المصدر بحيث يستطيع الجميع تعديله، فإن مركز ثقل البحث بالذكاء الاصطناعي يتحرك بهدوء من "تسليم البيانات إلى السحابة" إلى "إبقاء القدرات داخل الجهاز". خطوة جوجل هذه فتحت شقًا للبحث المحلي الحافظ للخصوصية.