---
format: "aidr-story-markdown/v1"
id: "15e4465d474fd42be5f27f3416162a3a154e704dd679afb9e5d3d4d234f29aa0"
canonical_url: "https://aidr.today/15e4465d?lang=vi"
title: "Google ra mắt EmbeddingGemma 2 phục vụ tìm kiếm đa phương thức trên thiết bị"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-10-13T04:53:28.000Z"
category: "Data"
topics: ["google","inference","data-engineering","llm"]
source_urls: ["https://huggingnews.com/ai/google-launches-embeddinggemma-2-for-on-device-multimodal-search-717a2440","https://x.com/MiaAI_lab/status/2109771831569727655","https://x.com/TheTuringPost/status/2109817905177378908","https://marketbrief.now/ai/google-launches-embeddinggemma-2-for-on-device-multimodal-search-717a2440"]
summary: "Người dùng hiện có thể tìm kiếm qua các tệp video và âm thanh bằng ngôn ngữ tự nhiên hoặc bản phác thảo ngay trên phần cứng của mình thông qua một mô hình AI mới từ Google. EmbeddingGemma 2 sở hữu 740 triệu tham số và hỗ trợ truy xuất chéo phương thức, chẳng hạn như khớp mô tả bằng lời nói với một đoạn video, và hiện là mô hình dẫn đầu xu hướng trên Hugging Face. Hệ thống sử dụng Matryoshka embedding để thu nhỏ dữ liệu cần thiết cho việc tìm kiếm, chỉ lưu trữ 256 giá trị đầu tiên trong số 768 giá trị của một vector. Google cho biết cách tiếp cận này giúp giảm dung lượng lưu trữ vector xuống còn 1/3 trong khi vẫn duy trì khoảng 95% chất lượng truy xuất ban đầu cho giọng nói và hình ảnh, giúp việc xây dựng các chỉ mục tìm kiếm lớn trên thiết bị tiêu dùng trở nên khả thi hơn."
---

# Google ra mắt EmbeddingGemma 2 phục vụ tìm kiếm đa phương thức trên thiết bị

> [Open the canonical story](<https://aidr.today/15e4465d?lang=vi>)

**Published:** 2026-10-13T04:53:28.000Z
**Category:** Data
**Topics:** google, inference, data\-engineering, llm

## Summary

Người dùng hiện có thể tìm kiếm qua các tệp video và âm thanh bằng ngôn ngữ tự nhiên hoặc bản phác thảo ngay trên phần cứng của mình thông qua một mô hình AI mới từ Google\. EmbeddingGemma 2 sở hữu 740 triệu tham số và hỗ trợ truy xuất chéo phương thức, chẳng hạn như khớp mô tả bằng lời nói với một đoạn video, và hiện là mô hình dẫn đầu xu hướng trên Hugging Face\. Hệ thống sử dụng Matryoshka embedding để thu nhỏ dữ liệu cần thiết cho việc tìm kiếm, chỉ lưu trữ 256 giá trị đầu tiên trong số 768 giá trị của một vector\. Google cho biết cách tiếp cận này giúp giảm dung lượng lưu trữ vector xuống còn 1/3 trong khi vẫn duy trì khoảng 95% chất lượng truy xuất ban đầu cho giọng nói và hình ảnh, giúp việc xây dựng các chỉ mục tìm kiếm lớn trên thiết bị tiêu dùng trở nên khả thi hơn\.

## Sources

- [Story source](<https://huggingnews.com/ai/google-launches-embeddinggemma-2-for-on-device-multimodal-search-717a2440>)
- [Story source](<https://x.com/MiaAI_lab/status/2109771831569727655>)
- [Supporting source](<https://x.com/TheTuringPost/status/2109817905177378908>)
- [Story source](<https://marketbrief.now/ai/google-launches-embeddinggemma-2-for-on-device-multimodal-search-717a2440>)