ข้ามไปเนื้อหาหลัก

Google DeepMind เปิดตัว EmbeddingGemma 2 โมเดล 740M

Google DeepMind เปิดตัว EmbeddingGemma 2 โมเดลเปิดมัลติโมเดลขนาด 740M พัฒนาบนโครงสร้าง Gemma 4 รองรับ 5 อินพุต เปิดให้ใช้งานภายใต้ไลเซนส์ Apache 2.0

เรียบเรียงโดย AI
Inewgen
07 Oct 2026ที่มา: MarkTechPost2 นาทีอ่าน (0 ครั้ง)
แชร์
Google DeepMind เปิดตัว EmbeddingGemma 2 โมเดล 740M

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Google DeepMind เปิดตัว EmbeddingGemma 2 อย่างเป็นทางการในวันที่ 6 ตุลาคม 2026
  • เป็นโมเดลเปิดมัลติโมเดลขนาด 740 ล้านพารามิเตอร์ (740M) สร้างขึ้นบนโครงสร้าง Gemma 4
  • ความสามารถในการแปลงข้อมูลอินพุต 5 รูปแบบให้อยู่ในพื้นที่เวกเตอร์ขนาด 768 มิติ (768d)
  • เปิดให้ใช้งานได้ทันทีภายใต้สัญญาอนุญาตแบบเปิด Apache 2.0

วงการปัญญาประดิษฐ์ตื่นตัวอีกครั้งเมื่อ Google DeepMind ประกาศเปิดตัว EmbeddingGemma 2 โมเดล Open Multimodal Embedding รุ่นใหม่ล่าสุดที่มีขนาด 740 ล้านพารามิเตอร์ หรือ 740M ซึ่งถูกพัฒนาต่อยอดขึ้นมาจากโครงสร้างพื้นฐานของสถาปัตยกรรม Gemma 4 โดยโมเดลนี้ถูกปล่อยออกมาให้ใช้งานได้ตั้งแต่วันที่ 6 ตุลาคม 2026 เป็นต้นไป เพื่อให้นักพัฒนาและนักวิจัยทั่วโลกสามารถเข้าถึงเทคโนโลยีการแปลงข้อมูลขั้นสูงได้ง่ายยิ่งขึ้น

จุดเด่นสำคัญของ EmbeddingGemma 2 คือความสามารถในการประมวลผลอินพุตที่หลากหลายถึง 5 ประเภท โดยโมเดลนี้จะทำการแมปหรือแปลงข้อมูลประเภทต่างๆ เหล่านั้นให้เข้าไปอยู่ในพื้นที่เวกเตอร์เดียวกันขนาด 768 มิติ หรือที่เรียกว่า 768d space ซึ่งช่วยให้ระบบสามารถเข้าใจความสัมพันธ์ของข้อมูลข้ามรูปแบบได้อย่างมีประสิทธิภาพสูง ไม่ว่าจะเป็นข้อความหรือข้อมูลประเภทอื่นๆ ที่ระบบรองรับ

740Mพารามิเตอร์
5ประเภทอินพุต
768dพื้นที่เวกเตอร์

การปล่อยโมเดลในครั้งนี้ไม่ได้จำกัดอยู่เพียงแค่กลุ่มปิดหรือนักวิจัยเฉพาะกลุ่ม แต่ Google DeepMind ได้เลือกเผยแพร่ EmbeddingGemma 2 ภายใต้สัญญาอนุญาตแบบโอเพนซอร์สยอดนิยมอย่าง Apache 2.0 ซึ่งเปิดกว้างให้นักพัฒนาสามารถนำไปต่อยอด สร้างสรรค์ หรือปรับ ใช้งานในเชิงพาณิชย์และงานวิจัยได้อย่างอิสระภายใต้เงื่อนไขของไลเซนส์ดังกล่าว

การที่ Google DeepMind เลือกใช้สัญญาอนุญาตแบบ Apache 2.0 สำหรับ EmbeddingGemma 2 สะท้อนถึงกลยุทธ์การผลักดันระบบนิเวศโอเพนซอร์สให้เติบโตอย่างรวดเร็ว การรองรับอินพุตถึง 5 รูปแบบในพื้นที่เวกเตอร์เดียว (768d) ช่วยลดความซับซ้อนในการสร้างระบบค้นหาหรือ Retrieval-Augmented Generation (RAG) ที่ต้องผสมผสานข้อมูลหลายประเภทเข้าด้วยกัน นับเป็นก้าวสำคัญที่ช่วยให้นักพัฒนารายย่อยสามารถเข้าถึงเครื่องมือระดับท็อปได้เทียบเท่าองค์กรใหญ่

software developer writing code computer screen workspace

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

การเปิดตัว EmbeddingGemma 2 บนพื้นฐานของ Gemma 4 ยังตอกย้ำถึงความต่อเนื่องในการพัฒนาตระกูลโมเดล Gemma ของ Google ที่เน้นทั้งประสิทธิภาพและความยืดหยุ่นในการใช้งานจริงบนฮาร์ดแวร์หลากหลายระดับ ตั้งแต่อุปกรณ์ปลายทางไปจนถึงคลาวด์เซิร์ฟเวอร์ขนาดใหญ่

ที่มา: MarkTechPost

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้