Qwen3-Embedding vs EmbeddingGemma 2 : lequel utiliser ?

Qwen3-Embedding traite texte et code en trois tailles ; EmbeddingGemma 2 réunit texte, images, audio et vidéo dans un même espace. Comparez contexte, taille et licences.

  • Mis à jour le

Verdict. Choisissez selon ce que vous cherchez. Qwen3-Embedding traite texte et code en trois tailles (0.6B, 4B, 8B), lit des passages jusqu'à 32 000 tokens et couvre plus de 100 langues. EmbeddingGemma 2 est un modèle de 740M qui réunit texte, images, audio et vidéo dans un espace partagé, avec un contexte de 8 192 tokens. Les deux sont Apache 2.0. Les vecteurs de modèles différents ne sont pas interchangeables : changer plus tard impose de réindexer vos données.

Spécifications

Spécifications Qwen3-EmbeddingEmbeddingGemma 2
DéveloppeurAlibaba QwenGoogle DeepMind
Date de sortie5 juin 20256 octobre 2026
Paramètres totaux7.57B (Embedding-8B)740M (Full multimodal (740M))
Paramètres actifsTousTous
ArchitectureEncodeurEncodeur
Fenêtre de contexte32K tokens8K tokens
EntréeTexteTexte, Image, Audio, Vidéo
Licence Apache 2.0 (Permissive) Apache 2.0 (Permissive)
Mémoire pour la plus petite variante (4 bits)1.38 GB (Embedding-0.6B)0.621 GB (Text and code only (270M of the same weights))

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

Choisissez Qwen3-Embedding si

  • Vos données sont du texte ou du code et vous voulez arbitrer entre précision et coût : le modèle 8B est le plus précis, le 0.6B tourne sur de petits serveurs.
  • Vos documents sont longs : il lit jusqu'à 32 000 tokens, contre 8 192 pour EmbeddingGemma 2.
  • Vous voulez une recherche en deux étapes avec les modèles Qwen3-Reranker assortis.
  • Vous avez besoin de plus de 100 langues, y compris les langages de programmation.

Choisissez EmbeddingGemma 2 si

  • Vous avez besoin de recherche inter-modale, par exemple retrouver un clip vidéo à partir d'un mémo vocal ou une photo à partir d'une phrase.
  • Vous voulez l'exécuter sur un téléphone ou un portable : le modèle complet pèse environ 1,5 GB en téléchargement.
  • Vous voulez un stockage vectoriel léger : il peut tronquer les vecteurs à 256 ou 128 dimensions.
  • Vos documents sont courts, ou vous acceptez de les découper en morceaux tenant dans 8 192 tokens.

Qwen3-Embedding · EmbeddingGemma 2