Google convirtió "encontrar cosas localmente" en un modelo pequeño que cabe en un teléfono. Su recién lanzado EmbeddingGemma2 es el primer modelo de embeddings de código abierto nativamente multimodal de la compañía: con 740M de parámetros, logra mapear texto, código, imágenes, video y audio en un mismo espacio semántico, haciendo que la recuperación multimodal funcione por primera vez de forma tan ligera en el dispositivo.
Su punto más evidente es que es pequeño y funciona sin conexión. El modelo multimodal completo ocupa menos de 600MB de memoria, lo que significa que puede ejecutarse directamente en teléfonos, portátiles y navegadores, sin necesidad de subir nada a la nube: tus fotos, grabaciones y videos se buscan en tu propio dispositivo, lo que protege la privacidad de forma natural. La ventana de contexto llega a 8K, el cuádruple de la generación anterior, permitiendo procesar materiales más largos antes de hacer coincidencias; además, la cobertura de idiomas supera los 100, de modo que buscar cosas en otros idiomas ya no es un obstáculo.
En cuanto al rendimiento, Google afirma que supera claramente a sus competidores de código abierto de tamaño similar en tareas de recuperación de imágenes, video y código. Aún más práctico es su diseño modular: las partes que no se usan pueden cargarse según se necesiten y el tamaño del índice también puede comprimirse, ahorrando tanto espacio como capacidad de cómputo. En escenarios reales, lo que puede hacer es muy concreto: encontrar una foto o un archivo multimedia concreto en el álbum local por semántica, ubicar directamente un fragmento dentro de un video largo, buscar sin conexión archivos dispersos en varios lugares, o buscar funciones y fragmentos por intención en un repositorio de código local, sin tener que enviar primero el repositorio a un servicio remoto para consultarlo.
Cuando un modelo de embeddings multimodal se vuelve lo bastante pequeño para caber en un teléfono y lo bastante abierto para que cualquiera pueda modificarlo, el centro de gravedad de la búsqueda con IA se traslada silenciosamente de "entregar los datos a la nube" a "mantener las capacidades en el dispositivo". Con este paso, Google abre una brecha para la búsqueda con privacidad en el dispositivo.