구글은 '로컬에서 무언가를 찾아내는' 일을 휴대폰에 담을 수 있는 작은 모델로 만들었다. 새로 공개한 EmbeddingGemma2는 자사 최초의 네이티브 멀티모달 오픈소스 임베딩 모델로, 파라미터 규모는 740M에 불과하지만 텍스트, 코드, 이미지, 영상, 오디오를 한꺼번에 같은 의미 공간에 매핑해 크로스 모달 검색이 처음으로 엔드사이드에서 이토록 가볍게 구동될 수 있게 했다.
가장 직관적인 장점은 작은 크기와 오프라인 가능성이다. 완전한 멀티모달 모델의 메모리 점유율이 600MB 미만이라는 것은 휴대폰, 노트북, 브라우저에서 직접 실행할 수 있고, 전 과정에서 어떤 내용도 클라우드에 업로드할 필요가 없다는 뜻이다. 당신의 사진 앨범, 녹음, 영상은 모두 자신의 기기 안에 남은 채 검색되므로, 프라이버시라는 관문이 자연스럽게 지켜진다. 컨텍스트 윈도우는 8K로 제공되어 이전 세대의 4배이며, 더 긴 자료를 받아들인 뒤 매칭할 수 있다. 언어 커버리지도 100여 개 이상으로 확장되어, 다국어 검색이 더 이상 장애물이 아니다.
성능 면에서 구글은 이 모델이 이미지, 영상, 코드 등의 검색 작업에서 동급 오픈소스 경쟁 모델을 확실히 앞선다고 주장한다. 더 반가운 것은 모듈화 설계다. 필요 없는 부분은 필요에 따라 로드할 수 있고, 인덱스 크기도 줄일 수 있어 공간과 연산력을 모두 절약한다. 실제 사용 시나리오에서 할 수 있는 일은 매우 구체적이다. 로컬 사진 앨범에서 의미 기반으로 특정 사진이나 미디어를 찾아내고, 긴 영상에서 특정 구간을 바로 찾아내며, 여기저기 흩어진 파일을 오프라인으로 검색하거나, 로컬 코드베이스에서 의도에 따라 함수와 코드 조각을 검색할 수 있고, 저장소를 원격 서비스에 먼저 푸시해 검색할 필요가 없다.
멀티모달 임베딩 모델이 휴대폰에 넣을 수 있을 만큼 작아지고, 누구나 수정할 수 있을 만큼 오픈소스가 되었을 때, AI 검색의 무게중심은 '데이터를 클라우드에 넘기기'에서 조용히 '기능을 기기 안에 두기'로 옮겨가고 있다. 구글의 이번 조치는 엔드사이드 프라이버시 중심 검색에 한 줄의 틈을 열어주었다.