EmbeddingGemma 2: el modelo abierto de Google para tu buscador

Lo que se sabe

• Qué es: un modelo de embeddings. No escribe texto ni responde preguntas: convierte cada contenido en una lista de números, un vector, para poder comparar contenidos por su significado. Google lo presenta como el modelo más capaz para embeddings multimodales en el dispositivo.
• Qué entiende: texto, código, imágenes, audio y vídeo, en un mismo espacio de vectores, según el anuncio. Eso permite buscar un formato con otro: escribir una frase y encontrar una foto o un fragmento de audio.
• Tamaño: 740 millones de parámetros. Para trabajar solo con texto bastan 270 millones; los codificadores de imagen (170 millones) y de audio (300 millones) son opcionales.
• Licencia: Apache 2.0, que permite el uso comercial, con los pesos abiertos.
• Vectores: de 768 dimensiones, que se pueden recortar a 512, 256 o 128. Google dice que así se ahorra hasta seis veces el almacenamiento.
• Cuánto contenido acepta de una vez: unos 8.000 tokens, cuatro veces más que la primera versión. Google lo traduce en hasta 5,5 minutos de audio, 29 imágenes o 58 fotogramas de vídeo.
• Memoria: con cuantización, en un Google Pixel 11 Pro, unos 191 MB de RAM activa para la versión de solo texto y unos 567 MB para el modelo completo, según el anuncio.
• Idiomas: más de 100 para texto y código, según la documentación.
• Rendimiento, con cifras de Google: en la prueba MTEB Code pasa de 68,76 a 78,68 puntos respecto a la primera versión. En texto multilingüe, Google dice que iguala a la anterior.
• Dónde está: en Hugging Face y en Kaggle. Google dice que llegará pronto a su plataforma para empresas. El anuncio menciona compatibilidad con transformers.js y WebGPU para el navegador, con Ollama, llama.cpp y LM Studio, y con Qdrant para guardar los vectores.
• Antecedente: el primer EmbeddingGemma, solo de texto, salió el año pasado y superó los 20 millones de descargas, según Google.

Qué cambia y qué no

Cambia que hay un modelo pequeño y abierto que busca entre formatos. Hasta ahora, la versión abierta de Google solo trabajaba con texto. Al ejecutarse en el propio equipo, no se paga por consulta a una API, aunque el equipo donde corre sí cuesta, y los documentos no salen a un tercero. Google destaca la privacidad, la menor latencia y el funcionamiento sin conexión.

No es un chatbot. Para responder con frases hace falta un modelo generativo al lado; Google propone Gemma 4. Tampoco es Gemini Embedding: Google dice que comparte tecnología con esos modelos, pero este se descarga y se ejecuta por cuenta propia.

No mejora por sí solo el posicionamiento en Google. Es una pieza para el buscador de tu propia web o de tu aplicación. Esta es una observación de este artículo.

Las cifras de rendimiento son de Google y faltan pruebas independientes. La de memoria corresponde a un teléfono concreto y a una versión cuantizada. Y que admita más de 100 idiomas no dice cómo rinde en español: hay que probarlo.

«Abierto» tampoco quiere decir «instalado». Hace falta alguien que lo integre, una base de datos de vectores y mantenimiento.

Cómo saber si le sirve a tu web

1. Mira qué busca la gente dentro de tu web y no encuentra. Si tu analítica o tu gestor de contenidos guardan las búsquedas internas, revisa las que no dan resultados. Ahí está la medida del problema.
2. Señales de que te puede servir: un catálogo con muchas fotos y descripciones cortas, una biblioteca de vídeos o audios (cursos, pódcast, grabaciones), documentación larga, o clientes que buscan con sus palabras y no con las tuyas.
3. Señales de que no: una web de pocas páginas, donde un menú claro resuelve más que cualquier buscador.
4. Pide una prueba pequeña antes de decidir. Cien productos o páginas y veinte búsquedas reales de tus clientes, en español. Compara los resultados con los del buscador que tienes hoy.
5. Pregunta a quien lo integre tres cosas. Dónde se generan y se guardan los vectores (el servidor o el navegador del visitante), con cuántas dimensiones, y cada cuánto se rehacen cuando cambia el catálogo.
6. Si manejas documentos sensibles, generar los vectores en tu propio equipo evita enviarlos fuera. Revisa también dónde quedan guardados.
7. No descuides lo básico. Los títulos, las descripciones y el texto alternativo de las imágenes siguen haciendo falta, para Google y para las personas.

Relacionado: Mistral Large 4: un billón de parámetros y pesos a fin de mes

Fuentes

• Google (The Keyword), «EmbeddingGemma 2: an open, lightweight multimodal embedding model», 6 de octubre de 2026 (en inglés)
• Google AI for Developers, documentación de EmbeddingGemma (en inglés)

Actualizaciones: cuando haya pruebas independientes del modelo o Google lo publique en más plataformas, se añadirá aquí con su enlace.