Google DeepMind تطلق EmbeddingGemma 2 نموذج تضمين مفتوحا متعدد الوسائط

أطلقت Google DeepMind في 6 أكتوبر 2026 نموذج التضمين (embedding) EmbeddingGemma 2. ونموذج التضمين يحوّل أي محتوى إلى سلسلة من الأرقام، أي متجه، تمثل معناه، فيحصل المحتوى المتقارب في المعنى على متجهات متقاربة. وبذلك يمكن إجراء البحث واسترجاع المستندات وتجميع المحتوى المتشابه دون الاعتماد على تطابق الكلمات المفتاحية. ويضع النموذج الجديد النصوص (بما فيها الشيفرة البرمجية) والصور والفيديو والصوت في فضاء مشترك واحد، فيمكن مثلا العثور على لقطة في فيديو أو تسجيل صوتي بسؤال مكتوب. وملفات النموذج المدربة متاحة للتنزيل للجميع بترخيص Apache 2.0.

وبحسب المعلومات الواردة في إعلان Google، صُمم النموذج ليعمل على أجهزة مثل الهواتف والحواسيب المحمولة دون إرسال البيانات إلى الخارج. ومن أمثلة الاستخدام البحث في مكتبة الصور والفيديو على الجهاز، وأنظمة RAG (التوليد المعزز بالاسترجاع) المحلية التي تجيب من ملفات المستخدم، والبحث الدلالي في الشيفرة البرمجية، وتصنيف المحتوى. ويأتي EmbeddingGemma 2 خلفا لنموذج EmbeddingGemma النصي الذي صدر العام الماضي، وهو مبني على معمارية Gemma 4.

تصميم معياري يُحمَّل حسب الحاجة

بحسب بطاقة النموذج، يضم EmbeddingGemma 2 نحو 740 مليون معامل إجمالا، منها 270 مليونا لجزء النص و170 مليونا لمرمّز الصور و300 مليون لمرمّز الصوت. ولأن مرمّزي الصور والصوت يُحمَّلان بشكل منفصل، يكفي التطبيق الذي يعمل على النص فقط الجزء البالغ 270 مليون معامل، بينما يحتاج النص مع الصور إلى نحو 440 مليون معامل، والنص مع الصوت إلى نحو 570 مليونا. وتقول Google إن النسخة المضغوطة بالتكميم (quantization) تستهلك على هاتف Pixel 11 Pro نحو 191 ميغابايت من الذاكرة للنص وحده، ونحو 567 ميغابايت للنموذج الكامل متعدد الوسائط.

ويفهم النموذج أكثر من 100 لغة وينتج متجهات من 768 بعدا. وبفضل طريقة تدريب تُعرف باسم Matryoshka، يمكن تقصير هذه المتجهات إلى 512 أو 256 أو 128 بعدا، فتشغل مساحة تخزين أقل وتسرّع البحث. وتبلغ نافذة السياق، أي كمية المدخلات التي يقرؤها النموذج دفعة واحدة، 8 آلاف رمز (token). وبحسب بطاقة النموذج، تتسع هذه النافذة وحدها لنحو 29 صورة أو 58 إطار فيديو أو ما يصل إلى 5.5 دقائق من الصوت. ويمكن مزج النص والصور والفيديو في مدخل واحد وتحويلها إلى متجه واحد، فيُفهرس إعلان منتج مثلا مع وصفه وصوره وفيديو العرض معا.

نتائج القياس التي نشرتها Google

بحسب النتائج التي نشرتها Google، يرفع النموذج درجة EmbeddingGemma الأول في مقياس البحث في الشيفرة MTEB Code من 68.76 إلى 78.68، بينما ترتفع درجته في مقياس النصوص متعدد اللغات MTEB من 61.15 إلى 61.36. وتقول الشركة إنه يحقق أعلى الدرجات في MTEB Code ومقياس الصوت MAEB بين نماذج التضمين متعددة الوسائط التي تقل عن مليار معامل، وإنه يتفوق على بعض النماذج المتخصصة التي يزيد حجمها على ضعف حجمه في مهام الصور والفيديو والمستندات والصوت.

خيارات التشغيل المحلي

نُشرت ملفات النموذج على Hugging Face باسم google/embeddinggemma-2 وعلى Kaggle. ويمكن استخدامه في Python ببضعة أسطر عبر مكتبة sentence-transformers: فبعد الأمر pip install -U sentence-transformers transformers يُحمَّل النموذج بـ SentenceTransformer("google/embeddinggemma-2")، ويعمل ببادئات مهام مختلفة لاستعلامات البحث وللمستندات. وبحسب الإعلان، يدعم النموذج أيضا Ollama وllama.cpp (ملفات GGUF) وLM Studio وMLX وvLLM وSGLang. ويمكن تشغيله في المتصفح عبر transformers.js وWebGPU، وعلى أجهزة Android عبر أداتي MediaPipe وLiteRT من Google AI Edge. ويشير الإعلان كذلك إلى دليل للضبط الدقيق عبر Unsloth وإلى استخدامه مع قاعدة بيانات المتجهات Qdrant. وتوصي بطاقة النموذج باستخدام bfloat16 أو float32 أثناء التشغيل، إذ قد يعطي النموذج مع float16 نتائج تالفة دون أن يظهر أي خطأ.

وتذكر بطاقة النموذج أنه يدعم أكثر من 100 لغة لكن أداءه قد يتفاوت بين اللغات، لذا يُستحسن اختباره على أمثلتك الخاصة قبل استخدامه مع المحتوى العربي. ويؤدي تقصير المتجهات إلى 128 بعدا إلى تراجع واضح في الجودة في المهام متعددة الوسائط. ولا يخضع النموذج لضبط السلامة الذي تمر به النماذج التوليدية، لذا تقع إجراءات الحماية مثل تصفية المحتوى الضار على عاتق المطورين الذين يبنون عليه. وأعلنت Google أن النموذج سيصل "قريبا" إلى Model Garden في منصة Gemini Enterprise Agent Platform. ولصورة أشمل، تابع أيضا تقييمات الباحثين المستقلين.

المصادر: Google: إعلان EmbeddingGemma 2، وHugging Face: بطاقة نموذج google/embeddinggemma-2.