待验证50% 置信事实精确时间
EmbeddingGemma 2 首次把文本、代码、图像、视频和音频统一映射到同一个嵌入空间，并针对端侧优化支持本地部署 RAG
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证EmbeddingGemma 2能够在同一个模型中处理文本、代码、图像、视频和音频等多种类型的任务77% 相似部分验证EmbeddingGemma2除了文字和图片外还支持音频和视频，把不同模态内容都转换成768维向量73% 相似待验证EmbeddingGemma 2 支持四种模态之间的任意交叉检索，可用文字搜图片、用图片搜视频、用视频搜音频71% 相似待验证EmbeddingGemma 2 能够在手机本地完成媒体搜索和视频时刻定位，无需语音转写步骤或外部API调用，可完全离线进行68% 相似待验证EmbeddingGemma 2 支持 8K token 上下文，是初代的 4 倍，可处理长达 5.5 分钟音频、29 张图像或 58 帧视频66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/989142API
curl https://kongchang.com/api/v1/knowledge/claims/989142MCP
get_claim(id=989142)