Su un telefono bastano circa 567 MB di memoria perché EmbeddingGemma 2 cerchi insieme in testi, foto, registrazioni e video. Lo dice l’annuncio ufficiale di Google, con una misura fatta su un Pixel 11 Pro e il modello quantizzato. Google DeepMind lo ha rilasciato il 6 ottobre 2026: ha 740 milioni di parametri, i pesi si scaricano e la licenza è Apache 2.0. Per un’azienda vuol dire poter cercare tra documenti, immagini e riunioni registrate senza mandarli in cloud.
In questo articolo scoprirai:
- cos’è EmbeddingGemma 2 e dove si scarica;
- come funziona un embedding multimodale e cosa permette di ritrovare;
- i benchmark dichiarati e quanta memoria serve davvero;
- come si costruisce un RAG locale e quando conviene il cloud;
- i limiti reali dell’uso in azienda.
EmbeddingGemma 2: il modello open di Google
EmbeddingGemma 2 è il modello di embedding multimodale e open-weight che Google DeepMind ha presentato il 6 ottobre 2026. Trasforma testo, codice, immagini, audio e video in vettori numerici che si possono confrontare tra loro. Ha 740 milioni di parametri e licenza Apache 2.0 (uso commerciale consentito), e gira su telefoni, laptop e server propri. «Open-weight» significa che i pesi del modello si scaricano e si fanno girare in autonomia.
La novità dell’architettura è la modularità. Il modello è costruito su Gemma 4 e, come spiega la scheda su Hugging Face, è diviso in tre blocchi: un nucleo per il testo da 270 milioni di parametri, un codificatore per le immagini da 170 milioni e uno per l’audio da 300 milioni. Si carica solo quello che serve: se si cerca solo nei documenti bastano i 270 milioni del testo.
Il predecessore, EmbeddingGemma, lavorava solo sul testo con circa 300 milioni di parametri ed era basato su Gemma 3. È descritto nel paper di settembre 2025, e secondo il blog di Google ha superato i 20 milioni di download. Della stessa famiglia aperta fa parte anche DiffusionGemma, il modello generativo, che però il testo lo scrive invece di cercarlo.
Dove scaricare EmbeddingGemma 2 e con quali strumenti
EmbeddingGemma 2 si scarica da Hugging Face e da Kaggle, e funziona già su Ollama, llama.cpp e LiteRT, il motore di Google per far girare i modelli sui dispositivi. L’elenco ufficiale di Google comprende anche sentence-transformers, transformers.js, MLX, vLLM e il database vettoriale Qdrant.
Embedding multimodale: testo, immagini, audio, video
Un embedding multimodale traduce testo, immagini, audio e video in vettori che stanno nello stesso spazio matematico. Così contenuti di forma diversa ma di significato simile finiscono vicini, ed è per questo che una domanda scritta può ritrovare un fotogramma di un video o un passaggio di una registrazione. In EmbeddingGemma 2 lo spazio è unico, a 768 dimensioni, e accetta anche input misti come un’immagine con la sua didascalia, secondo la model card. Per le basi rimandiamo a cosa sono gli embeddings e a come funziona la multimodalità.
Un esempio aziendale, ipotetico ma realistico. Un commerciale scrive «la riunione in cui abbiamo parlato dello sconto al distributore tedesco» e il sistema gli restituisce il minuto giusto della registrazione, anche se nessuno l’ha mai trascritta. Il limite è quanto può essere lungo ogni singolo input: 8.192 token. La scheda tecnica spiega che equivalgono a circa 327 secondi di audio, 29 immagini o 58 fotogrammi di video. Oltre quella soglia il contenuto va tagliato in pezzi.
Benchmark e requisiti hardware di EmbeddingGemma
Nei test pubblicati da Google, EmbeddingGemma 2 ottiene 78,68 su MTEB Code, quasi 10 punti sopra i 68,76 del predecessore. Su MTEB Multilingual v2 fa 61,36 e su MAEB 49,39, secondo la tabella della model card. MTEB (Massive Text Embedding Benchmark) è la serie di test di riferimento per gli embedding di testo, MAEB è l’equivalente per l’audio. Sul fronte hardware, l’annuncio di Google indica circa 191 MB di RAM per il solo testo e 567 MB con tutti i moduli. Sono misure prese su un Pixel 11 Pro con i pesi quantizzati, cioè compressi in numeri meno precisi.
Sono però misure del produttore. Nel post di lancio Google rivendica «punteggi da primato tra i modelli di embedding multimodali sotto il miliardo di parametri». È un’affermazione dell’azienda, e per ora nessuno l’ha verificata in modo indipendente. Un consiglio pratico dalla scheda su Hugging Face: usare bfloat16 o float32, perché in float16 il modello restituisce valori NaN (non numerici) oppure embedding peggiori senza segnalarlo.
Vettori Matryoshka: da 768 a 128 dimensioni
Il modello usa la Matryoshka Representation Learning, una tecnica che mette le informazioni più importanti nelle prime posizioni del vettore, come le bambole russe una dentro l’altra. Grazie a questo i vettori si possono accorciare a 512, 256 o 128 dimensioni, e l’archivio diventa fino a 6 volte più leggero. A 256 dimensioni si perde poco: secondo la model card il punteggio multilingue scende da 61,36 a 60,41 e quello sul codice da 78,68 a 76,18. Con un indice da 10 milioni di frammenti in float32 si passa da circa 31 GB a circa 10 GB (stima nostra, a 4 byte per numero).
RAG on-device con EmbeddingGemma, senza cloud
Con EmbeddingGemma 2 la fase di ricerca di un sistema RAG gira in locale. Documenti, foto, registrazioni e video vengono indicizzati e ritrovati sul dispositivo o sul server aziendale, e i contenuti non escono. Il RAG (Retrieval-Augmented Generation) fa rispondere un modello linguistico partendo da documenti recuperati al momento, come spiega la nostra guida al RAG. Il blog di Google AI Edge mostra come funziona su telefono: i vettori stanno in un database SQLite locale e la ricerca risponde in meno di dieci millisecondi.
In pratica i passaggi sono quattro:
- Suddivisione: documenti, audio e video vengono tagliati in frammenti che stanno negli 8.192 token.
- Embedding: ogni frammento passa dal modello con il prefisso previsto dalla scheda tecnica, per esempio
task: search result | query:per le domande. - Archivio vettoriale locale, per esempio Qdrant su server o SQLite sul telefono.
- Risposta: i frammenti più vicini alla domanda passano a un modello linguistico, che scrive la risposta.
La distinzione da tenere a mente è semplice: l’embedding trova, non risponde. Il quarto passaggio richiede un modello linguistico di grandi dimensioni, e la privacy regge solo se anche quello gira in locale. Occhio anche alle parole: per Google «on-device» vuol dire telefono o laptop, mentre in azienda vuol dire un server on-premise, installato nella propria infrastruttura.
Cercare nell’audio senza trascrizione, anche in italiano
La novità più concreta è che l’audio si indicizza senza passare dalla trascrizione: la registrazione diventa direttamente un vettore. Tra gli usi possibili il post di Google cita la ricerca «in ore di registrazioni audio partendo da una domanda scritta». Google però non pubblica punteggi sull’italiano parlato. Chi oggi trascrive le riunioni (ne abbiamo analizzato precisione e costi in italiano) fa bene a provare i due metodi sui propri file prima di cambiare.
EmbeddingGemma 2 vs Gemini Embedding 2
Gemini Embedding 2 è il modello di embedding proprietario della famiglia Gemini di Google e si usa tramite API cloud. Dà risultati migliori, ma i dati devono partire verso i server di Google. Google lo ha reso disponibile per la produzione il 22 aprile 2026. Arriva dallo stesso gruppo di ricerca: Sahil Dua e Henrique Schechter Vera, autori di EmbeddingGemma 2, firmano anche il paper su Gemini Embedding 2, che dichiara 69,9 su MTEB multilingual e 84,0 su MTEB Code.
| Criterio | EmbeddingGemma 2 | Gemini Embedding 2 |
|---|---|---|
| Dove gira | Dispositivo o server aziendale | API cloud di Google |
| Licenza | Apache 2.0, pesi scaricabili | Proprietaria |
| MTEB multilingual | 61,36 | 69,9 |
| MTEB Code | 78,68 | 84,0 |
| Dimensioni del vettore | da 128 a 768 | da 128 a 3.072 |
| Input massimo | 8.192 token | 8.192 token |
Il confronto va preso come indicativo, perché l’abstract del paper su Gemini non dice quali versioni dei benchmark ha usato. Dimensioni del vettore e input massimo di Gemini Embedding 2 vengono dalla documentazione della Gemini API.
Modello di embedding locale o cloud: come scegliere
Il modello locale conviene quando contano la riservatezza dei dati e il lavoro offline. Il cloud conviene quando serve la massima precisione e i dati possono uscire dall’azienda. Poi ci sono i volumi: da una parte un costo fisso, l’hardware, dall’altra un costo che cresce a ogni chiamata API (è lo stesso conto che abbiamo fatto sui modelli AI open source in azienda). Un avvertimento tecnico pesa più degli altri: i vettori dei due modelli non sono compatibili. Già tra i suoi due modelli cloud, la documentazione di Google avverte che passando a gemini-embedding-2 «devi ricalcolare gli embedding di tutti i dati esistenti». Quindi cambiare modello significa reindicizzare tutto l’archivio, e un sistema che usa entrambi ha bisogno di due indici separati. Lo sa bene chi è passato tra le generazioni di embedding di OpenAI.
Limiti di EmbeddingGemma 2 in azienda
Chi vuole usare EmbeddingGemma 2 sui dati aziendali deve fare i conti con cinque limiti concreti, in parte ammessi dalla stessa scheda del modello:
- Benchmark solo del produttore: al 7 ottobre 2026 non risulta nessuna verifica indipendente dei punteggi.
- Lingue non tutte uguali: il modello copre oltre 100 lingue, ma secondo la model card «potrebbe non avere prestazioni uguali in tutte le lingue». Per l’italiano non c’è nessun punteggio.
- Finestra di 8.192 token: l’audio più lungo di circa cinque minuti e mezzo va spezzato, e un’ora di riunione diventa una dozzina di frammenti.
- Somiglianza, non correttezza: il modello restituisce il contenuto più vicino alla domanda, che non è per forza quello giusto. Lo spieghiamo nell’articolo sulla similarità coseno.
- Dati fermi a gennaio 2025: prodotti, sigle e termini nati dopo quella data possono essere rappresentati male.
Poi ci sono le cose che un modello di embedding, per natura, non fa. Non si collega da solo a Drive, alla posta o al gestionale. Non sa quali documenti può vedere ogni dipendente, quindi i permessi per utente vanno gestiti a parte. E non aggiorna l’indice quando un file cambia. Sono questioni tecniche e anche di conformità alle norme, a partire dal GDPR.
Dal modello di embedding alla memoria aziendale
Riassumendo, tre punti. Con un embedding multimodale locale la parte di ricerca di un RAG funziona senza cloud, anche su audio, video e immagini. Rispetto al cloud si perde qualità: 61,36 contro 69,9 su MTEB multilingual, secondo la model card e il paper su Gemini. E sull’italiano va messo alla prova. Infine, il modello trova i contenuti ma non risponde e non si collega da solo alle fonti.
Per passare da un modello scaricato a una memoria aziendale unica che funziona davvero serve integrarlo con le fonti: connettori, permessi, aggiornamenti, reindicizzazione. È il lavoro che MIMIR fa come servizio, non come prodotto da scaricare: progettiamo il collegamento con gli strumenti che l’azienda usa già e seguiamo il team durante l’avvio. Per orientarsi c’è la nostra guida al RAG aziendale su misura, e chi ha un progetto concreto può chiedere una consulenza al team di MIMIR.
Se vuoi seguire ogni giorno le novità come questa, ne parliamo anche su MimírCast, il nostro podcast quotidiano sull’AI.
Fonti:
- Google, annuncio ufficiale di EmbeddingGemma 2
- Google DeepMind, presentazione di EmbeddingGemma 2
- Model card di EmbeddingGemma 2 su Hugging Face
- arXiv, paper sul primo EmbeddingGemma (settembre 2025)
- Google Developers Blog, EmbeddingGemma 2 con Google AI Edge
- Google, Gemini Embedding 2 disponibile per la produzione (22 aprile 2026)
- arXiv, Gemini Embedding 2: A Native Multimodal Embedding Model from Gemini
- Google AI for Developers, documentazione embedding della Gemini API
Domande frequenti
Cos'è EmbeddingGemma 2?
EmbeddingGemma 2 è un modello di embedding multimodale open-weight rilasciato da Google DeepMind il 6 ottobre 2026. Trasforma testo, codice, immagini, audio e video in vettori a 768 dimensioni nello stesso spazio, così si possono confrontare e cercare insieme. Ha 740 milioni di parametri e licenza Apache 2.0, che consente l'uso commerciale.
Quanta memoria serve per usare EmbeddingGemma 2 su un telefono?
Secondo Google servono circa 191 MB di RAM per il solo modulo di testo e circa 567 MB con tutti i moduli multimodali. Le misure sono state fatte su un Pixel 11 Pro con i pesi quantizzati. Il modello è modulare, quindi si carica solo il codificatore che serve.
Che differenza c'è tra EmbeddingGemma 2 e Gemini Embedding 2?
EmbeddingGemma 2 è open-weight e gira in locale, su dispositivo o server aziendale, mentre Gemini Embedding 2 è proprietario e si usa tramite API cloud. Gemini ottiene punteggi più alti, 69,9 contro 61,36 su MTEB multilingual, ma i dati devono arrivare ai server di Google. I vettori dei due modelli non sono compatibili, quindi passare dall'uno all'altro richiede di reindicizzare l'archivio.
EmbeddingGemma 2 funziona in italiano?
Il modello copre oltre 100 lingue, ma Google non pubblica punteggi specifici per l'italiano e la model card avverte che le prestazioni possono variare da lingua a lingua. Prima di adottarlo su documenti o registrazioni in italiano conviene testarlo sui propri dati.




