Hva dette er
EmbeddingGemma 2 er en ny AI-modell fra Google DeepMind som gjør det mulig å søke og hente frem informasjon på tvers av tekst, kode, lyd, video og bilder – ved hjelp av ett og samme system. Modellen er bygget på Googles Gemma 4-arkitektur og har 740 millioner parametere, noe som gjør den kompakt nok til å kjøre direkte på forbrukerenheter og bedriftshardware uten nettilkobling.
Det som skiller EmbeddingGemma 2 fra tidligere løsninger, er at den samler alle modaliteter i ett felles søkerom. Det betyr at du kan bruke en tekstbeskrivelse til å finne et bestemt videoklipp, eller søke i timesvis med lydopptak basert på et enkelt søkeord – uten at dataene forlater enheten. Kontekstvinduet er utvidet til 8 000 tokens, noe som tilsvarer inntil 5,5 minutters lyd, 29 bilder eller 58 videoframes i én enkelt operasjon.
Modellen er utgitt under Apache 2.0-lisens, som tillater kommersiell bruk uten lisenskostnader. Den tidligere versjonen, EmbeddingGemma 1, ble lastet ned over 20 millioner ganger – noe som understreker at det er stor etterspørsel etter nettopp slike løsninger blant utviklere og virksomheter globalt.
Hva dette betyr for deg som ansatt
For ansatte som jobber med store mengder dokumentasjon, opptak eller mediefiler, kan EmbeddingGemma 2 spare betydelig tid. I stedet for å bla manuelt gjennom timer med møteopptak eller søke i mapper etter riktig presentasjon, kan du bruke naturlig språk til å finne akkurat det du leter etter – raskt og presist. Det er særlig nyttig for rådgivere, prosjektledere og HR-medarbeidere som håndterer store informasjonsvolumer i hverdagen.
For salgsavdelinger kan teknologien brukes til å søke i produktdemonstrasjoner, kundepresentasjoner og lydopptak fra salgsmøter. Administrasjonsmedarbeidere kan finne frem til relevante deler av interne kursvideoer eller policydokumenter på sekunder. Resultatet er færre avbrudd, kortere søketid og mer tid til verdiskapende arbeid.
Hva dette betyr for deg som bedriftseier
For virksomheter handler EmbeddingGemma 2 om å få bedre kontroll over egen kunnskap og informasjon – uten å gi fra seg dataene til eksterne tjenester. Fordi modellen kjører lokalt, er den godt egnet for bransjer med strenge krav til personvern og databehandling, som helse, juss, finans og offentlig sektor. Norske bedrifter som håndterer sensitiv kundeinformasjon eller intern knowhow, kan bygge egne søkesystemer som holder dataene internt.
Kostnadsbildet er gunstig: modellen er gratis å bruke kommersielt og krever ikke dyr skyinfrastruktur for enklere brukstilfeller. For SMB-er betyr det lavere terskel for å bygge smarte søkefunksjoner i egne systemer, enten det handler om å finne frem i et kunnskapsbibliotek, effektivisere intern opplæring eller søke i historiske kundedata. Over tid kan dette gi målbare produktivitetsgevinster og redusert tid brukt på informasjonssøk.