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。
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-Embedding | EmbeddingGemma 2 |
|---|---|---|
| 開発元 | Alibaba Qwen | Google 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。