谷歌推出開源嵌入模型EmbeddingGemma，專爲移動設備設計。該模型擁有308百萬參數，在MTEB基準測試中被評爲500M以下最佳多語言文本嵌入模型。支持檢索增強生成和語義搜索功能，無需聯網即可在手機上運行，性能優越。
s3dev-ai
這是Google embeddinggemma-300m基礎模型的各種GGUF格式量化版本，專門為高效部署和不同場景使用而優化。該模型專注於句子嵌入和相似度計算任務。
mlx-community
這是一個轉換為MLX格式的文本嵌入模型，基於Google的EmbeddingGemma-300m模型轉換而來，專門用於句子相似度計算和文本嵌入任務。模型採用BF16精度，適用於蘋果芯片設備上的高效推理。
EmbeddingGemma-300m-8bit是基於sentence-transformers庫實現的句子相似度模型，支持以MLX格式運行，專門用於計算句子嵌入和相似度。該模型從原始模型轉換而來，提供高效的文本特徵提取能力。
EmbeddingGemma 300M 4bit是Google開發的輕量級文本嵌入模型，專門針對MLX框架優化。該模型能夠將文本轉換為高質量的向量表示，適用於各種自然語言處理任務，特別是句子相似度計算和特徵提取。
ggml-org
embeddinggemma-300m-qat-q8_0 GGUF 是一款基於Google embeddinggemma-300m模型的量化版本，專門用於特徵提取和句子相似度計算。該模型經過量化優化，在保持較高精度的同時顯著減小了模型大小和推理開銷。
embeddinggemma-300M是一個經過量化優化的輕量級文本嵌入模型，基於Google的embeddinggemma架構，採用QAT（量化感知訓練）和Q4_0量化技術，參數量為300M。該模型專門用於生成高質量的文本嵌入向量，支持句子相似度計算和特徵提取等任務。
Claude本地語義代碼搜索工具，使用EmbeddingGemma模型實現完全離線的多語言代碼智能搜索，通過MCP協議與Claude Code集成，保護隱私且無需API密鑰
Sentence-transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
