Qwen3-Embedding vs EmbeddingGemma 2:どちらを選ぶべき?

Qwen3-Embedding はテキストとコードを 3 サイズで処理。EmbeddingGemma 2 はテキスト、画像、音声、動画を 1 つの空間に置きます。コンテキスト、サイズ、ライセンスを比較。

  • 更新日

結論. 検索したい対象で選びましょう。Qwen3-Embedding はテキストとコードを 3 サイズ(0.6B、4B、8B)で扱い、最大 32,000 トークンの段落を読め、100 以上の言語をカバーします。EmbeddingGemma 2 は 740M モデルで、テキスト、画像、音声、動画を 1 つの共有空間に置き、コンテキストは 8,192 トークンです。どちらも Apache 2.0 です。異なるモデルのベクトルは互換性がないため、後から切り替えるとデータの再インデックスが必要になります。

仕様

仕様 Qwen3-EmbeddingEmbeddingGemma 2
開発元Alibaba QwenGoogle DeepMind
リリース日2025年6月5日2026年10月6日
総パラメータ数7.57B (Embedding-8B)740M (Full multimodal (740M))
アクティブパラメータ数すべてすべて
アーキテクチャエンコーダエンコーダ
コンテキストウィンドウ32K トークン8K トークン
入力テキストテキスト, 画像, 音声, 動画
ライセンス Apache 2.0 (パーミッシブ) Apache 2.0 (パーミッシブ)
最小バリエーションの必要メモリ(4ビット)1.38 GB (Embedding-0.6B)0.621 GB (Text and code only (270M of the same weights))

性能に関する主張は開発元によるもので、独自検証は行っていません。

Qwen3-Embedding を選ぶべきケース

  • データがテキストやコードで、精度とコストを切り分けたい場合:8B モデルが最も正確で、0.6B モデルは小型サーバーで動きます。
  • 文書が長い場合:最大 32,000 トークンまで読めます(EmbeddingGemma 2 は 8,192)。
  • 対応する Qwen3-Reranker モデルで 2 段階検索を組みたい場合。
  • 100 以上の言語と、プログラミング言語をカバーする必要がある場合。

EmbeddingGemma 2 を選ぶべきケース

  • 音声メモから動画クリップを探す、一言から写真を探す、といったクロスモーダル検索が必要な場合。
  • スマホやノート PC で動かしたい場合:フルモデルのダウンロードは約 1.5 GB です。
  • ベクトル保存を小さくしたい場合:ベクトルを 256 または 128 次元に切り詰められます。
  • 文書が短い、または 8,192 トークンに収まるチャンクに分割してもよい場合。

Qwen3-Embedding · EmbeddingGemma 2