> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google DeepMind, çok modlu gömme modeli EmbeddingGemma 2'yi açık model olarak yayımladı
- URL: https://globalfeed.ai/google-deepmind-cok-modlu-gomme-modeli-embeddinggemma-2yi-acik-model-olarak-yayimladi/
- Published: 2026-10-08T02:13:37.000Z
- Updated: 2026-10-08T02:13:37.000Z
- Description: Google DeepMind, metni, görselleri, videoyu ve sesi aynı vektör uzayına taşıyan EmbeddingGemma 2'yi yayımladı. Telefon ve dizüstü bilgisayarda çalışacak şekilde tasarlanan modelin toplam 740 milyon parametresi var; yalnız metin için 270 milyonluk bölüm yetiyor. Model dosyaları Apache 2.0 lisansıyla
- Author: GlobalFeed Editor
- Tags: Google, gömme modeli, çok modlu yapay zeka, açık model, x-GoogleDeepMind, dil-tr, elle

**Google DeepMind**, 6 Ekim 2026'da **EmbeddingGemma 2** adlı gömme (embedding) modelini yayımladı. Gömme modeli, bir içeriği anlamını temsil eden bir sayı dizisine, yani vektöre çeviriyor; anlamca yakın içerikler birbirine yakın vektörler alıyor. Bu sayede arama, belge bulma ve benzer içerikleri gruplama gibi işler anahtar kelime eşleşmesine bağlı kalmadan yapılabiliyor. Yeni model metni (kod dahil), görselleri, videoyu ve sesi tek bir ortak uzaya taşıyor; örneğin yazılı bir soruyla bir video anı ya da ses kaydı bulunabiliyor. Modelin eğitilmiş dosyaları Apache 2.0 lisansıyla herkesin indirmesine açık.

Google'ın duyurusundaki bilgilere göre model, telefon ve dizüstü bilgisayar gibi cihazlarda, veriyi dışarı göndermeden çalışacak şekilde tasarlandı. Örnek kullanım alanları arasında cihazdaki fotoğraf ve video arşivinde arama, belgelerden yanıt üreten yerel RAG (bilgi getirmeli üretim) sistemleri, kod tabanında anlamsal arama ve içerik sınıflandırma yer alıyor. EmbeddingGemma 2, geçen yıl çıkan ve yalnızca metinle çalışan EmbeddingGemma'nın devamı ve Gemma 4 mimarisi üzerine kurulu.

## Gerektiği kadar yüklenen modüler yapı

Model kartına göre EmbeddingGemma 2 toplam 740 milyon parametreye sahip. Bunun 270 milyonu metin bölümüne, 170 milyonu görsel kodlayıcıya, 300 milyonu ses kodlayıcıya ait. Görsel ve ses kodlayıcıları ayrı ayrı yüklenebildiği için yalnızca metinle çalışan bir uygulama 270 milyon parametrelik bölümle yetinebiliyor; metin ve görsel için yaklaşık 440 milyon, metin ve ses için yaklaşık 570 milyon parametre gerekiyor. Google, nicemlenmiş (quantization uygulanmış) sürümün bir Pixel 11 Pro telefonda yalnız metin için yaklaşık 191 MB, tam çok modlu haliyle yaklaşık 567 MB bellek kullandığını belirtiyor.

Model 100'den fazla dili anlıyor ve 768 boyutlu vektörler üretiyor. Matryoshka adlı eğitim yöntemi sayesinde bu vektörler 512, 256 ya da 128 boyuta kısaltılabiliyor; kısa vektörler daha az depolama alanı kaplıyor ve aramayı hızlandırıyor. Bağlam penceresi, yani modelin bir seferde okuyabildiği içerik miktarı, 8 bin kelime parçası (token). Model kartına göre bu pencereye tek başına yaklaşık 29 görsel, 58 video karesi ya da 5,5 dakikaya kadar ses sığıyor. Metin, görsel ve video tek bir girdide karıştırılıp tek bir vektöre dönüştürülebiliyor; örneğin bir ürün ilanı, açıklaması, fotoğrafları ve tanıtım videosuyla birlikte tek kayıt olarak aranabiliyor.

## Google'ın paylaştığı ölçümler

Google'ın yayımladığı sonuçlara göre model, kod arama ölçümü MTEB Code'da önceki EmbeddingGemma'nın 68,76 puanını 78,68'e çıkarıyor; çok dilli metin ölçümü MTEB'de ise puan 61,15'ten 61,36'ya yükseliyor. Şirket, 1 milyarın altındaki çok modlu gömme modelleri arasında MTEB Code ve ses ölçümü MAEB'de en yüksek puanları aldığını, görsel, video, belge ve ses işlerinde iki katından büyük bazı uzman modellerin önüne geçtiğini belirtiyor.

## Yerelde çalıştırma seçenekleri

Model dosyaları Hugging Face'te `google/embeddinggemma-2` adıyla ve Kaggle'da yayımlandı. Python'da sentence-transformers kütüphanesiyle birkaç satırda kullanılabiliyor: `pip install -U sentence-transformers transformers` komutundan sonra `SentenceTransformer("google/embeddinggemma-2")` ile yüklenen model, arama sorguları ve belgeler için ayrı görev önekleriyle çalışıyor. Duyuruya göre Ollama, llama.cpp (GGUF dosyaları), LM Studio, MLX, vLLM ve SGLang desteği de hazır. Model tarayıcıda transformers.js ve WebGPU ile, Android cihazlarda Google AI Edge'in MediaPipe ve LiteRT araçlarıyla çalıştırılabiliyor. Duyuruda Unsloth ile ince ayar rehberi ve Qdrant vektör veritabanıyla kullanım da yer alıyor. Model kartı, hesaplamalarda bfloat16 ya da float32 kullanılmasını öneriyor; float16 ile model hata vermeden bozuk sonuç üretebiliyor.

Model kartına göre model 100'den fazla dili destekliyor, ancak her dilde aynı başarıyı göstermeyebilir; Türkçe içeriklerde kullanmadan önce kendi örneklerinizle denemek iyi olur. Vektörleri 128 boyuta kısaltmak çok modlu sonuçlarda kaliteyi belirgin şekilde düşürüyor. Model, üretken modellerdeki gibi bir güvenlik ayarından geçmiyor; zararlı içeriği süzme gibi önlemler uygulamayı geliştirenlere kalıyor. Modelin Google'ın Gemini Enterprise Agent Platform Model Garden kataloğuna gelmesi ise "yakında" olarak duyuruldu. Sonuçları farklı açılardan görmek için bağımsız araştırmacıların değerlendirmelerini de takip edin.

Kaynaklar: [Google: EmbeddingGemma 2 duyurusu](https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2?ref=globalfeed.ai), [Hugging Face: google/embeddinggemma-2 model kartı](https://huggingface.co/google/embeddinggemma-2?ref=globalfeed.ai).