폰 안에서 글·사진·영상·음성을 한 번에 찾아주는 작은 AI, 구글 EmbeddingGemma 2

무슨 일이 있었나

구글 딥마인드가 2026년 10월 6일 EmbeddingGemma 2를 공개했습니다. 작년에 나온 1세대는 글만 다뤘는데도 2,000만 회 넘게 다운로드됐습니다. 이번 버전은 글을 넘어 코드, 이미지, 영상, 음성까지 한 공간에서 다룹니다.

임베딩이 뭔가요

임베딩은 콘텐츠를 "의미 좌표"로 바꾸는 기술입니다. 뜻이 비슷한 것끼리 가까운 좌표에 놓이기 때문에, 단어가 달라도 뜻으로 찾을 수 있습니다. 챗GPT처럼 답을 써주는 AI가 아니라, 답을 쓰기 전에 관련 자료를 찾아오는 AI입니다. 도서관으로 치면 작가가 아니라 사서입니다.

무엇이 달라졌나

네 가지를 한 번에: 글(코드 포함), 이미지, 영상, 음성을 하나의 768차원 공간에 담습니다. *비 오는 날 신는 신발"이라고 치면 글이 아니라 사진이나 영상이 바로 나올 수 있다는 뜻입니다.

작다: 전체 7억 4천만 파라미터이고, 글 2억 7천만 + 시각 1억 7천만 + 음성 3억으로 나뉘어 필요한 것만 불러올 수 있습니다.

폰에서 작동한다: 양자화(압축)를 적용하면 픽셀 11 프로에서 글 전용은 약 191MB, 전체 기능은 약 567MB 메모리로 동작합니다.

한 번에 더 많이 읽는다: 입력 한도가 1세대의 4배인 8K 토큰으로 늘어, 음성 약 5.5분, 이미지 29장, 영상 58프레임까지 한 번에 처리합니다.

코드 검색이 좋아졌다: 코드 벤치마크 점수가 68.76에서 78.68로 올랐습니다. 다국어 글 점수는 61.15에서 61.36으로 거의 그대로입니다.

저장 공간을 줄일 수 있다: 좌표 길이를 768에서 128까지 줄여 저장 공간을 최대 6배 아낄 수 있습니다.

라이선스: Apache 2.0으로 상업적 이용이 허용됩니다. 100개 이상 언어를 지원합니다.

이걸로 뭘 만들 수 있나

내 사진·영상 의미 검색: 글이나 사진 한 장으로 미디어 보관함에서 비슷한 것을 찾습니다.

영상 속 순간 찾기: 글이나 음성으로 영상의 특정 장면을 찾아냅니다. 강의 영상에서 "결제 연동 설명하는 부분"을 찾는 식입니다.

녹음 파일 검색: 몇 시간짜리 녹음을 글로 검색하거나, 음성 메모로 영상 클립을 찾을 수 있습니다.

오프라인 문서 비서: Gemma 4 같은 생성 모델과 짝지으면 기기 안에서만 도는 RAG(내 자료를 찾아보고 답하는 방식)를 만들 수 있습니다.

상품 검색: 상품 설명 글, 사진, 시연 영상을 하나의 임베딩으로 묶어 등록하고 글로 검색할 수 있습니다.

분류와 묶기: 고객 피드백을 주제별로 묶거나, 중복 콘텐츠를 찾거나, 추천에 쓸 수 있습니다.

코드 검색: 내 코드 저장소 색인, 의미 기반 코드 검색, 코딩 에이전트의 자료 찾기에 적합합니다.

사업하는 사람에게 왜 중요한가

기기 안에서 처리하면 데이터가 밖으로 나가지 않고, 응답이 빨라지며, 오프라인에서도 동작합니다. 고객 정보나 내부 문서처럼 외부 서버에 올리기 꺼려지는 데이터를 다루는 서비스에 특히 맞습니다.

사용량만큼 내는 API 요금도 없습니다. 검색 기능 하나 붙이려고 매달 서버비를 걱정하던 1인 사업자에게는 구조가 달라지는 변화입니다.

주의할 점

답을 만들어주지 않습니다. 찾고 분류하는 모델이라, 답변까지 필요하면 생성 모델과 함께 써야 합니다. 긴 영상은 나눠야 합니다. 영상은 기본 초당 1프레임으로 읽습니다. 58프레임 한도면 한 번에 1분 안팎이라, 긴 영상은 구간별로 잘라 넣어야 합니다. 너무 줄이면 품질이 떨어집니다. 256차원까지는 손실이 거의 없지만, 128차원은 이미지·영상·음성 품질이 크게 떨어집니다. 한국어 성능은 직접 확인하세요. 언어마다 성능이 같지 않을 수 있다고 구글이 밝혔습니다.

개발자 메모: float16으로 돌리면 오류 없이 결과만 조용히 망가지므로 bfloat16이나 float32를 써야 합니다.

모델 받기: Hugging Face와 Kaggle에서 내려받을 수 있습니다.

Hugging Face: https://huggingface.co/google/embeddinggemma-2 Kaggle: https://www.kaggle.com/models/google/embeddinggemma-2