جوجل تُطلق EmbeddingGemma 2 للبحث المتعدد الوسائط على الأجهزة الطرفية

أعلنت جوجل في 6 أكتوبر 2026 عن إصدار EmbeddingGemma 2، نموذج تضمين متعدد الوسائط مفتوح المصدر مرخص تحت Apache 2.0. يُصنّف النموذج كحل خفيف الوزن للبحث والاسترجاع والتوجيه على الجهاز عبر النص، الشيفرة، الصور، الفيديو والصوت. من خلال إتاحة الأوزان للجمهور على Hugging Face وKaggle، تدعو جوجل المطورين إلى تشغيل النموذج مباشرة على أجهزة الطرفية دون الاعتماد على واجهات برمجة التطبيقات السحابية. تؤكد الإعلانات أن النموذج غير مخصص للمهام التوليدية، بل لتوليد التضمينات غير المتصلة بالإنترنت التي يمكن أن تشغّل محركات البحث المحلية، خطوط أنابيب التوصية وأنظمة الترشيح القائمة على المحتوى.

نموذج تضمين متعدد الوسائط خفيف الوزن

يحتوي EmbeddingGemma 2 على 740 مليون معامل تُشفر من خلالها خمس وسائط بيانات — نص عادي، شيفرة مصدرية، صور ثابتة، إطارات فيديو ومقاطع صوتية — في مساحة تضمين موحدة. تسمح هذه المساحة الموحدة بإنشاء فهرس تشابه واحد يمكنه معالجة استفسارات متباينة، مثل مطابقة وصف منطوق مع مقاطع شيفرة ذات صلة أو استرجاع إطارات فيديو تتطابق مع طلب نصي. تصف جوجل الهندسة بأنها مشفر محوّل يعتمد على Transformer يعالج كل وسيلة عبر واجهات أمامية مخصصة قبل إسقاط التمثيلات إلى متجه موحد بأبعاد 768. يتيح الطابع المفتوح للنموذج للباحثين فحص الطبقات، ضبط النموذج على بيانات متخصصة، أو استبدال المكونات الخاصة بالوسائط.

بالنسبة لأعباء العمل النصية البحتة، تُقِر جوجل بتكوين مخفض يستخدم 270 مليون معامل فقط. يمكن للمطورين الذين يحتاجون إلى فهم بصري إرفاق مشفر رؤية اختياري يضم 170 مليون معامل، بينما يضيف معالجة الصوت مشفرًا إضافيًا يضم 300 مليون معامل. يتيح التصميم المعياري تشغيل نسخة نصية فقط على أجهزة ذات موارد محدودة وتحميل المشفرات الإضافية فقط عند الحاجة إلى مدخلات متعددة الوسائط. تؤكد جوجل أن المشفرات الاختيارية متوافقة مع رأس التضمين نفسه، مما يحافظ على تنسيق المتجه الموحد عبر جميع الوسائط المدعومة.

تعلم التمثيل المتشابك (Matryoshka) لتحسين كفاءة التخزين

تُبرز جوجل ابتكارًا رئيسيًا يُدعى تعلم التمثيل المتشابك (Matryoshka Representation Learning)، وهي تقنية تسمح للمطورين بضغط المتجهات ذات الأبعاد 768 إلى 512 أو 256 أو 128 دون إعادة تدريب النموذج. تعمل الطريقة عبر تعلم مساحات فرعية متداخلة تحتفظ بأغلب معلومات التشابه مع إهمال الأبعاد الزائدة. وفقًا لقياسات جوجل، يمكن لتقليل الأبعاد إلى 128 أن يقلص بصمة التخزين حتى ست مرات، ما يعني استهلاكًا أقل للذاكرة عند إنشاء جداول فهرسة ضخمة على الأجهزة الطرفية. تظل المتجهات المضغوطة متوافقة مع مقاييس التشابه القياسية مثل تشابه جيب التمام (cosine similarity)، مما يتيح استبدالًا مباشرًا في الأنابيب الحالية.

أداء الطرفية على Pixel 11 Pro

توفر جوجل مقاييس أداء على مستوى الجهاز لهاتف Pixel 11 Pro، الهاتف الرائد الذي صدر في أوائل 2026. يشغل الإصدار الكمي للنص فقط من EmbeddingGemma 2 حوالي 191 ميغابايت من الذاكرة العشوائية النشطة، بينما يستخدم المكدس المتعدد الوسائط الكامل — النص، المشفر البصري والمشفر الصوتي معًا — نحو 567 ميغابايت. يدعم النموذج نافذة سياق تصل إلى 8 000 رمز للنص، ما يصل إلى 5.5 دقيقة من الصوت، 29 صورة أو 58 إطار فيديو لكل عملية استدلال. تُظهر هذه الأرقام أن هاتفًا ذكيًا عالي الأداء يمكنه استضافة النموذج بالكامل وإنتاج تضمينات في الوقت الحقيقي لاستفسارات وسائط مختلطة دون الحاجة إلى مساعدة خارجية.

في مجموعة اختبارات MTEB (Massive Text Embedding Benchmark)، تُبلغ جوجل أن EmbeddingGemma 2 يحسن نتيجة اختبار الفئة البرمجية من 68.76 إلى 78.68. تعكس الزيادة قدرة النموذج على التقاط الأنماط النحوية والدلالية في لغات البرمجة، وهو ما يفيد في البحث عن الشيفرة واكتشاف التكرارات. تُصوّر جوجل هذه النتيجة كدليل على أن نموذجًا مفتوحًا يضم 740 مليون معامل يمكنه التفوق على نماذج تضمينات مملوكة أكبر في مهام محددة، على الرغم من أن الاختبار يُقدَّم من قبل البائع وقد لا يغطي جميع سيناريوهات الاستخدام الواقعية.

تُستضاف أوزان النموذج علنًا على كل من Hugging Face وKaggle، وتُشير جوجل إلى توافقها مع أطر التنفيذ الشائعة مثل TensorFlow وPyTorch وONNX. من خلال توفير سكريبتات تحويل ونماذج استدلال مثال، تهدف جوجل إلى خفض الحواجز أمام المطورين لدمج EmbeddingGemma 2 في تطبيقات الهواتف المحمولة، الأنظمة المدمجة أو خوادم الطرفية. تسمح الرخصة المفتوحة (Apache 2.0) بالاستخدام التجاري، والتعديل وإعادة التوزيع، وهو ما يتماشى مع استراتيجية جوجل الأوسع لتشجيع نظام إيكولوجي من أدوات الذكاء الاصطناعي المدفوعة بالمجتمع والتي تعمل محليًا.

تحذر جوجل من أن أرقام الأداء هي قياسات مقدمة من البائع تم إجراؤها على تكوين عتادي محدد وقد تختلف على منصات الطرفية الأخرى. تم تحسين النموذج للاسترجاع والتوجيه، وليس للمهام التوليدية مثل إنشاء النص أو المحتوى، لذا لا ينبغي للمطورين توقع أن يحل محل نماذج اللغة الكبيرة في سيناريوهات الدردشة أو التلخيص. بالإضافة إلى ذلك، قد تظل متطلبات التخزين والذاكرة، رغم أنها معتدلة بالنسبة لهاتف رائد، عائقًا أمام أجهزة إنترنت الأشياء منخفضة التكلفة التي لا تمتلك مئات الميغابايت من الذاكرة المتاحة.

بالنسبة للمطورين الذين يبنون حلول بحث خاصة وغير متصلة بالإنترنت، يوفّر EmbeddingGemma 2 مسارًا ملموسًا لتوحيد الفهرسة المتعددة الوسائط دون إرسال البيانات إلى السحابة. يمكن الآن لتطبيقات مثل المساعدين الشخصيين على الجهاز، أنظمة إدارة المستندات الآمنة، أو محركات التوصية المحلية تضمين النص، الشيفرة، الصور، الفيديو والصوت في فضاء متجه موحد وإجراء مطابقة تشابه محلية. يقلل القدرة على تقليص المتجهات باستخدام Matryoshka من تكلفة صيانة الفهارس الكبيرة، مما يجعل تخزين ملايين العناصر على وسائط تخزين الطرفية أمرًا ممكنًا.

مع EmbeddingGemma 2، تُعيد جوجل تعريف ما يمكن تشغيله على الجهاز: نموذج مفتوح واحد يتعامل الآن مع خمس وسائط، يتناسب مع حدود الذاكرة لهاتف ذكي حديث، ويقدم مستوى أداء مماثل للمعايير في فهم الشيفرة. تُشير الإصدارة إلى تحول نحو ذكاء اصطناعي أكثر قدرة، يحافظ على الخصوصية ويعيش على الطرف، وتدعو مجتمع المطورين إلى تجربة الاسترجاع المتعدد الوسائط دون الاعتماد على خدمات سحابية ثقيلة.