01できること
長所
- Apache 2.0（商用利用自由）
- マルチモーダル：同じベクトル空間にテキスト、画像、音声
- 超軽量：約0,4 GB VRAM（Q4）、CPUでは約0,9 GB RAM
- 公式タグOllama：一つのコマンドでインストール
知っておくべき限界
- —埋め込みモデル — テキストを生成しない（チャット用 LLM ではない）
- —コンテキストは8kトークンに制限：長い文書を分割
- —完全なRAGパイプライン（ベクトルデータベース＋生成LLM）に組み込む場合
アーキテクチャ
マルチモーダル埋め込みエンコーダー · テキストバックボーン 270M + モジュール式エンコーダー（合計 740M） · コンテキスト 8k
トレーニング
Googleのオープンウェイト埋め込みモデル（Gemmaファミリー）：テキスト、画像、音声の意味ベクトルを生成する多言語モデルです。コーパスの詳細は公開されていません。Apache 2.0。
おすすめの用途
RAGとセマンティック検索マルチモーダル埋め込みCPU／小型GPUでのインデックス作成
04インストール
インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。
$ollama pull embeddinggemma-2
LM Studio
グラフィカルインターフェース、CLI不要
→ ガイドを見る
llama.cpp
純粋な性能、ソースからのビルド
→ ガイドを見る
vLLM
OpenAI互換の本番サーバー
→ ガイドを見る
Jan / GPT4All
オールインワンデスクトップアプリ
→ ガイドを見る
⚠
初回ダウンロード：選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。
02必要なメモリ
このモデルを動作させるためのGPU VRAMの概算値（4kトークンのコンテキストオーバーヘッドを含む）。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。
Q4_K_M
最も軽量、損失約 5%
0.4 GB
Q5_K_M
品質とサイズのバランスが良好
0.5 GB
Q8_0
FP16とほぼ区別がつかない
0.7 GB
FP16
フル精度 — サーバー用途
1.4 GB
CPU フォールバック ・GPUがない場合は、 0.9 RAM（GB） このモデルを低速で実行するための最低要件。
EmbeddingGemma 2に必要なハードウェアは？
EmbeddingGemma 2をQ4量子化でローカル実行するには、VRAM 0.4 GB程度が必要です。比較候補：RTX 5060 Ti 16 GB — システムとコンテキスト用のメモリに余裕を持たせ、推論エンジンがGPUに対応していることを確認してください。
現在のオファー： RTX 5060 Ti 16 GB
Amazon価格を見る →Materiel.net価格を見る →Darty価格を見る →アフィリエイトリンク — 当サイトが報酬を受け取る場合がありますが、お客様に追加費用はかかりません。おすすめは独立した判断に基づいています。Amazonアソシエイトとして、QuelLLMは条件を満たす購入によって収益を得ます。
外出先では： EmbeddingGemma 2 〜でも動作します RTX搭載ノートPC (16 GBのVRAM) →
クラウドを使わず、このモデルを自分専用のChatGPTで利用
お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。
- 永久に利用できるオンラインスペース
- PDF + ファイル
- 生涯アップデート
03予想速度
Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。
QuelLLM キット用途別のリファレンスガイド
すべてのキットを永久に利用 — 49 €