Sidebar

[Offcanvas] Topnav

15
Dom, Nov
163 New Articles

Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times

Google DeepMind ha rilasciato EmbeddingGemma 2, un modello di embedding multimodale distribuito con licenza open source Apache 2.0, pensato per funzionare non solo sui server cloud ma direttamente su smartphone, laptop e dispositivi embedded. Il modello trasforma testo, codice, immagini, audio e video in un unico spazio vettoriale condiviso: in pratica insegna a una macchina a capire che una fotografia, la sua didascalia e un breve audio che la descrivono "significano" la stessa cosa, e a ritrovarli insieme in una ricerca. Pubblicato il 6 ottobre 2026 e già integrato nelle librerie open source più diffuse, apre la strada a motori di ricerca semantica locali, assistenti di programmazione più efficienti e applicazioni che non devono inviare dati sensibili al cloud.

Che cos'è un modello di embedding e perché interessa chi lavora con i dati

Un modello di embedding non genera testo come un chatbot: converte un contenuto, che sia una frase, un'immagine o una traccia audio, in un vettore numerico che ne rappresenta il significato. Contenuti simili per significato finiscono vicini nello stesso spazio matematico, anche se sono in formati diversi. È la tecnologia alla base della ricerca semantica, dei sistemi di raccomandazione, del retrieval augmented generation (RAG) che alimenta molti assistenti aziendali, e della memoria a lungo termine degli agenti IA per la programmazione. Finora i modelli di embedding più capaci giravano quasi sempre su server remoti: EmbeddingGemma 2 punta invece a portare queste funzioni direttamente sul dispositivo dell'utente.

Le novità rispetto alla prima versione

EmbeddingGemma 2 ha 740 milioni di parametri complessivi, suddivisi in tre blocchi che possono essere caricati anche separatamente: un nucleo testuale da 270 milioni (derivato dal decoder di Gemma 4), un encoder visivo da 170 milioni e un encoder audio da 300 milioni. È possibile disattivare gli encoder di immagini o audio al caricamento, così da usare solo la parte testuale quando non servono le altre modalità: tutte le configurazioni condividono comunque lo stesso spazio vettoriale, quindi i vettori di testo restano validi anche se in seguito si aggiungono le altre modalità. La finestra di contesto è salita a 8.192 token, quattro volte quella della prima versione (2.048), e la licenza è passata da quella di Gemma, con download vincolato, ad Apache 2.0, che consente un uso commerciale senza restrizioni particolari. I vettori in uscita hanno 768 dimensioni e sono addestrati con tecnica Matryoshka, troncabili a 512, 256 o 128 dimensioni per risparmiare spazio di archiviazione quando serve.

Quanta RAM serve e quanto è veloce su un telefono

Nella versione quantizzata testata da Google su un Pixel 11 Pro, la sola componente testuale (270 milioni di parametri) richiede circa 191 MB di RAM, mentre la configurazione completa con tutte le modalità attive (740 milioni di parametri) arriva a circa 567 MB: cifre compatibili con l'uso su un comune smartphone di fascia alta, non solo su server dotati di GPU. Sul fronte della velocità, per elaborare una singola immagine con un budget di 70 token il modello impiega circa 49 millisecondi su un Pixel 11 Pro XL (accelerazione NPU), circa 70 millisecondi su un iPhone 18 Pro (GPU), circa 37 millisecondi su un MacBook con chip M5 Pro (GPU) e circa 1,76 secondi su un Raspberry Pi 5 utilizzando solo la CPU, a conferma che un acceleratore dedicato fa ancora una differenza enorme.

Come si comporta nei benchmark rispetto alla prima versione

Sui benchmark standard di settore il quadro è misto, come spesso accade quando un modello guadagna capacità multimodali: nel benchmark MTEB in inglese il punteggio scende leggermente da 69,67 a 68,46, mentre nel multilingue sale di poco da 61,15 a 61,36. Il salto più netto riguarda la ricerca nel codice sorgente, dove il punteggio MTEB Code passa da 68,76 a 78,68, un miglioramento di quasi 10 punti. Sulle capacità multimodali, introdotte solo in questa seconda versione, i punteggi registrati includono 64,64 su MIEB lite, 57,28 su MMEB v2 Image, 67,84 su MMEB v2 VisDoc e 50,67 su MMEB v2 Video. Google descrive il modello come il migliore della sua categoria, sotto il miliardo di parametri, sui benchmark di ricerca nel codice e su MAEB, anche se la scheda tecnica pubblicata non riporta un confronto diretto riga per riga con i modelli concorrenti a supporto di questa affermazione.

Quanto costa usarlo, in locale o in cloud

I pesi del modello sono scaricabili gratuitamente da Hugging Face e Kaggle: il costo, in locale, è solo quello della potenza di calcolo del dispositivo. Per chi preferisce una versione ospitata, Google mette a disposizione anche Gemini Embedding 2 con un listino a consumo: 0,20 dollari per milione di token di testo, 0,45 dollari per le immagini, 6,50 dollari per l'audio e 12 dollari per il video, con tariffe dimezzate per l'elaborazione in batch asincrono. Tradotto in cifre pratiche, si stima un costo sotto i 60 dollari per indicizzare circa 2.000 articoli, 10.000 schermate e 100 ore di registrazioni audio alle tariffe standard.

A cosa serve in pratica, per sviluppatori e aziende

Il beneficio più immediato riguarda la ricerca nel codice sorgente e la memoria a lungo termine degli agenti IA che assistono la programmazione, l'area dove il miglioramento nei benchmark è più marcato. Segue la ricerca multimodale su archivi misti di documenti, schermate, PDF, audio e video, per cui Google consiglia di non scendere sotto i 256 dimensioni nei vettori per non perdere troppa qualità. Un terzo caso d'uso è la ricerca offline o su dispositivo, per applicazioni che devono restare operative senza connessione o che trattano dati sensibili che non possono lasciare il dispositivo o un server privato: Google ha già annunciato, per le prossime settimane, l'integrazione in ML Kit per sviluppatori Android. Per la semplice ricerca testuale in inglese, invece, il guadagno rispetto alla prima versione di EmbeddingGemma resta marginale.

I limiti da conoscere prima di adottarlo

Alcuni aspetti tecnici richiedono attenzione in fase di implementazione. I punteggi di similarità non sono calibrati tra una modalità e l'altra, quindi vanno confrontati i ranghi all'interno di una stessa ricerca e non i valori assoluti tra, ad esempio, un risultato testuale e uno video. Troncare i vettori multimodali a 128 dimensioni fa scendere il punteggio MMEB v2 da 59,01 a 45,65, un calo di qualità più marcato rispetto al solo testo. Il modello, inoltre, serve solo a recuperare contenuti pertinenti: non genera risposte, quindi va comunque abbinato a un modello linguistico generativo e a una logica di fallback quando la ricerca non produce risultati utili. Infine, chi usa già la prima versione di EmbeddingGemma dovrà ricalcolare da zero tutti i vettori esistenti, perché quelli delle due versioni non sono compatibili tra loro.

Il commento di PINET

Per le imprese italiane, soprattutto le PMI che gestiscono archivi misti di documenti, immagini e registrazioni audio, un modello di questo tipo apre a una ricerca intelligente senza dover inviare dati sensibili a server esterni, un punto che semplifica anche le valutazioni di impatto richieste dal GDPR quando si trattano dati personali o aziendali riservati. La licenza Apache 2.0, più permissiva di quella della prima versione, è probabilmente la novità più concreta per chi valuta un uso commerciale senza vincoli di piattaforma. Restano però ostacoli pratici non banali: integrare un modello di embedding in un prodotto richiede competenze di sviluppo che molte PMI italiane non hanno internamente, e il vantaggio più evidente, quello sulla ricerca nel codice, interessa soprattutto software house e team di sviluppo più che aziende generaliste. Il giudizio, in sintesi, è positivo ma non entusiastico: è uno strumento tecnicamente solido e ben documentato, la cui adozione reale dipenderà dalla velocità con cui gli strumenti di sviluppo italiani (dai gestionali ai motori di ricerca interni) sapranno integrarlo nei prossimi mesi.

Fonte: eesel.ai