Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：给出了参数量、内存占用与上下文长度等具体指标，读者可据此判断它是否适合端侧部署。
#RAG
Google DeepMind精选AI 评分7272
Hugging Face Blog精选AI 评分7474 Hugging Face 发布 Ettin Reranker 系列六款 CrossEncoder 重排模型
Hugging Face 发布六个基于 Ettin ModernBERT 编码器的 Sentence Transformers CrossEncoder 重排模型，尺寸从 17M 到 1B，均以 Apache 2.0 开源，并同步公开训练数据 cross-encoder/ettin-reranker-v1-data（约 143M 三元组）和约 150 行的完整训练脚本。
推荐理由：给出了各尺寸的基准对比和消融数据，读者可据此判断何时该用它替换现有 reranker。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 mmBERT 多语言编码器模型
Hugging Face 发布 mmBERT，一个基于 ModernBERT 构建的大规模多语言编码器模型，使用 3T+ tokens、覆盖 1800 多种语言训练，是首个在性能与速度上超越 XLM-R 的同类模型。
推荐理由：原文给出三阶段训练与低资源语言在衰减阶段快速学习的细节，可迁移其渐进式多语言训练思路。
Hugging Face Blog精选AI 评分7373 Google 发布 EmbeddingGemma 多语言嵌入模型
Google 发布 EmbeddingGemma（google/embeddinggemma-300m），一款 308M 参数、2K 上下文窗口、支持 100 多种语言的多语言嵌入模型，面向端侧场景，量化后内存占用低于 200 MB，在 MTEB 上是 500M 以下排名最高的纯文本多语言嵌入模型。
推荐理由：给出了架构改动、多框架接入方式和微调脚本，读者可据此判断如何在端侧 RAG 中落地该模型。
已经到底了