EmbeddingGemma (300M)
Google · google/embeddinggemma-300m
Licença dos pesos: Termos do publicador: Gemma Terms of Use · código e componentes podem ter outros termos
Qualidade
MTEB (Multilingual, v2)
Média por tarefa · 0 a 100 · maior é melhor · este modelo em destaque
- Cor = publicador
Fonte: dataset de resultados do MTEB (execuções independentes, CC0) · informado pelo publicador quando o model card é a única fonte · outros benchmarks e versões não entram
| MTEB (Multilingual, v2) | mean(task) · 768d | 61,14 | execução independente |
|---|---|---|---|
| MTEB (eng, v2) | mean(task) · 768d | 69,67 | execução independente |
| MTEB (Multilingual, v2) | mean(task) · 768d | 61,15 | informado pelo publicador |
| MTEB (eng, v2) | mean(task) · 768d | 69,67 | informado pelo publicador |
| MTEB (Code, v1) | mean(task) · 768d | 68,76 | informado pelo publicador |
Informado pelo publicador
- Mean (Task)
- 61,15MTEB (Multilingual, v2)
- Mean (TaskType)
- 54,31MTEB (Multilingual, v2)
- Mean (Task)
- 69,67MTEB (English, v2)
- Mean (TaskType)
- 65,11MTEB (English, v2)
- Mean (Task)
- 68,76MTEB (Code, v1)
- Mean (TaskType)
- 68,76MTEB (Code, v1)
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Evaluation › Benchmark Results › Full Precision Checkpoint); coluna “768d”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Qualidade × memória
Sem par qualidade × memória comparável
As estimativas de memória de embeddings ficam em poucos GB, então um gráfico qualidade × memória não separaria estes modelos; o MTEB aparece acima.
Considere EmbeddingGemma (300M) para busca semântica e recuperação: gera vetores de 768 dimensões a partir de texto.
A memória publicada vale para configurações específicas e está em Como rodar, com o formato de prompts; a lista de hardware usa a estimativa de planejamento. PT-BR confirmado por uma fonte.
Roda em
Cabe na memória rápida 119
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 119
Perfis de hardware agrupados pela estimativa de planejamento de embeddings (pesos de 8 bits, 20% de margem, 2 GB de reserva). Não é compatibilidade medida.
Velocidade medida
Nenhuma medição publicada para este checkpoint
A vazão (textos por segundo) só aparece quando uma fonte a publica com hardware, build e configuração. Nunca é estimada.
Como rodar
Memória publicada: 200 MB (“Menos de 200MB de RAM com quantização” (limite superior, blog do Google, 2025-09-04); sem dispositivo ou runtime citados.). A estimativa de planejamento usa pesos de 8 bits, 20% de margem e 2 GB de reserva; é um teto, não uma medição.
- Roda em
- Ollama, Sentence Transformersfonte
- Prompts de consulta/documento
- Prompts de consulta: 'task: {descrição da tarefa} | query: ' (descrição padrão 'search result'). Prompts de documento: 'title: {título | "none"} | text: '. Os prompts são colocados antes do texto de entrada.
- Idiomas · PT-BR
- Mais de 100 idiomas (model card e blog do Google)PT-BR confirmado por uma fonte
Formas documentadas de rodar
Não foi possível ler a ficha do modelo (ausente ou restrita)
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- google/embeddinggemma-300m
- Tarefa
- embeddings para busca (extração de características)
- Biblioteca na fonte
- Ollama, Sentence Transformers
- Licença dos pesos
- Termos do publicador: Gemma Terms of Use
- Uso comercial
- Permitido Gemma Terms of Use (last modified 2025-03-24; verbatim copy in the ScanCode LicenseDB, homepage ai.google.dev/gemma/terms) · consultado em 2026-10-18texto da licença
- Base dos parâmetros
- Total de parâmetros dos safetensors no Hub (302.863.104, lido em 2026-10-07). O blog do Google diz 308M e os metadados do MTEB 307,6M; cada fonte arredonda de um jeito.
- Anunciado
- 2025-09-04
O repositório no Hub exige aceite de licença (gated), então o card não pode ser lido sem login. Os fatos vêm da página de model card do Google em ai.google.dev, do blog, da API do Hub e do dataset de resultados do MTEB. Os números do Google (61,15 Multilingual v2, 69,67 English v2, 68,76 Code v1 em 768 dimensões) coincidem com a execução independente nos dois primeiros. As páginas do Google não citam o português; os metadados do MTEB listam 19 idiomas de treino sem o português. O PT-BR está confirmado aqui apenas pelos subconjuntos em português do MTEB, que são um indicador pequeno.
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Hugging Face model page / card · 2026-10-07
- Hugging Face API (parameters, licence, library) · 2026-10-07
- Ollama library (availability only) · 2026-10-07
- MTEB results dataset (CC0), scores computed by scripts/ingest-mteb-results.mjs · 2026-10-25
- Google AI for Developers: EmbeddingGemma model card · 2026-10-07
- Google Developers Blog, 2025-09-04 · 2026-10-07
Fatos curados verificados: 2026-10-07. Cada valor cita sua fonte (a ficha do publicador ou o dataset de resultados do MTEB); estimativas vêm rotuladas como estimativas, e um valor que nenhuma fonte informa fica vazio. Um commit do repositório não é a data de lançamento do modelo.






























































