Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为数值向量，参数量 740M，Google 称其为同类最紧凑模型，在多模态嵌入基准上超过两倍体量的竞品。
#RAG
The DecoderAI 评分5959 Google DeepMind精选AI 评分7272 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。
Hugging Face BlogAI 评分5656 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源了基于 Qwen3-8B 的科学报告生成模型 AstaBrief 8B 及其训练数据，该模型已作为 Fast mode 上线 Asta 的 Generate a report 功能。
Hugging Face BlogAI 评分5656 Hugging Face 发布 NeoMME 多模态多语言编码器
Hugging Face 发布 NeoMME，一个 260M 和 800M 两种规格的多模态多语言编码器家族，用单个双向 Transformer 同时处理文本 token 和原始图像 patch，从零以掩码离散扩散目标训练，不依赖预训练视觉塔或因果语言模型。
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 BlogAI 评分5757 IBM 发布 Granite Embedding Multilingual R2 两款开源多语言嵌入模型
IBM 在 Hugging Face 发布两款 Apache 2.0 多语言嵌入模型 granite-embedding-311m-multilingual-r2 和 granite-embedding-97m-multilingual-r2。
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。
Mistral AIAI 评分5555 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed，称其在真实代码数据检索上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
Hugging Face BlogAI 评分5656 Hugging Face 与 LlamaIndex 发布多语言视觉文档检索模型 vdr-2b-multi-v1
Hugging Face 与 LlamaIndex 合作发布 vdr-2b-multi-v1 多语言视觉文档检索嵌入模型，可将文档页面截图编码为单向量表示，无需 OCR 或分块即可检索多语言文档，同时开源英文版 vdr-2b-v1 和含 500k 样本的 vdr-multilingual-train 训练数据集。
Hugging Face BlogAI 评分4444 用 1B 训练对训练句子嵌入模型
Hugging Face 在 JAX/Flax 社区周期间，用 7 台 TPU v3-8 和多达 10 亿句对的语料训练出 SOTA 句子嵌入模型。训练采用 Multiple Negative Ranking Loss 对比学习，通过增大 batch size、加入 hard negatives 和跨数据集组 batch 提升质量，相似度缩放因子 C=20。