# Google for Developers, EmbeddingGemma 2의 오프라인 실행 및 모듈형 배포 세부 정보 공개

EmbeddingGemma 2는 서버 호출 없이 멀티모달 워크로드를 완전히 오프라인으로 실행합니다. 모듈형 설계를 통해 사용하지 않는 시각 또는 오디오 구성 요소를 제거해 메모리를 절약할 수 있으며, 유연한 임베딩 차원 크기로 로컬 데이터베이스 스토리지를 최대 6배 절감하고 Gemma 4와 결합해 효율적인 온디바이스 RAG 파이프라인을 구축할 수 있습니다.

Language: ko
Time zone: Asia/Seoul

HTML: https://didcodexreset.com/ko/news/aa7220bd1365483f9a4c868b.html

Content language: ko
Localization state: translated

출처: Google for Developers · 2026. 10. 7. 01:31:05 게시

Google for Developers는 EmbeddingGemma 2의 배포 세부 정보를 발표하며, 해당 모델이 서버 호출 없이 멀티모달 미디어를 완전히 오프라인으로 처리한다고 밝혔습니다. 모듈형 아키텍처 덕분에 개발자는 사용하지 않는 시각 및 오디오 컴포넌트를 제거하여 기기 내 메모리 사용량을 줄일 수 있으며, 유연한 차원 크기를 통해 로컬 데이터베이스 스토리지 요구량을 최대 6배까지 줄일 수 있습니다.

공유 멀티모달 표현 방식을 통해 중간 변환 없이 텍스트로 이미지 갤러리를 검색하거나, 긴 오디오를 스캔하고, 음성 메모로 비디오 클립을 찾는 등 크로스모달 검색을 수행할 수 있습니다. 또한 Gemma 4와 연동하여 엣지 하드웨어에서 메모리와 연산 사용량을 최소화하도록 설계된 검색 증강 생성(RAG) 파이프라인을 실행할 수 있습니다.

Tags: EmbeddingGemma 2, Google, 멀티모달 AI, 온디바이스 AI

[원문 게시물 보기](https://x.com/googledevs/status/2107502392250183720)