Google ha presentado este 6 de octubre EmbeddingGemma 2, un modelo abierto que permite relacionar texto, imágenes, audio y vídeo para encontrar información dentro del propio dispositivo.
 |
| Ilustración generada con IA. Representación conceptual. |
Una búsqueda que conecta distintos formatos
El modelo convierte los contenidos en representaciones numéricas que permiten comparar su significado. Así, una consulta escrita puede servir para localizar un fragmento de audio o vídeo relacionado, aunque no contenga exactamente las mismas palabras.
Google anuncia 740 millones de parámetros y licencia Apache 2.0. Su diseño modular permite utilizar únicamente el componente de texto o incorporar los de imagen y audio según las necesidades de cada aplicación.
Procesamiento local y límites prácticos
La propuesta está orientada a búsquedas y recuperación de información sin depender continuamente de un servidor. Google cita una ventana de contexto de 8.000 tokens y opciones para reducir el tamaño de los vectores, con menor ocupación de las bases de datos locales.
Las cifras de rendimiento publicadas proceden del fabricante. La experiencia concreta dependerá del dispositivo y de cómo se integre el modelo: disponer de sus pesos no significa que todas las aplicaciones incorporen estas funciones automáticamente.