2026年3月，螞蟻集團（Ant Group）同谷歌 DeepMind 先後發佈咗兩款重量級嵌入（Embedding）模型：螞蟻喺3月19日開源 F2LLM‑v2（arXiv:2603.19223），谷歌喺3月10日推出 Gemini Embedding 2（gemini‑embedding‑2‑preview）。兩款都係目前嵌入技術嘅前沿，但定位、能力同適用場景有本質差異——F2LLM‑v2 係高效開源嘅多語言文本嵌入模型，Gemini Embedding 2 則係全球首個原生全模態（natively multimodal）嵌入模型。兩者喺純文本任務上表現接近 SOTA，但 Gemini 喺跨模態融合有突破，而 F2LLM‑v2 喺多語言覆蓋、部署靈活性同開源透明度上更有優勢。
1. 模型定位與核心能力對比
- F2LLM‑v2（螞蟻集團）：通用多語言文本嵌入模型家族，共8個規模（80M~14B 參數）。基於 Qwen3 Transformer decoder 架構，使用 EOS token 作為序列表徵。支援超過200種語言，特別強化中低資源語言。訓練數據係全新整理嘅6000萬高質量公開樣本，採用兩階段 LLM‑based 嵌入訓練管道+ Matryoshka Representation Learning（MRL）+ 模型剪枝 + 知識蒸餾，實現高效壓縮同保留性能。完全開源（模型、數據、代碼、中間檢查點均喺 GitHub CodeFuse‑Embeddings 同 Hugging Face 發佈）。
- Gemini Embedding 2（谷歌）：首個原生全模態嵌入模型，基於 Gemini 架構構建，將文本、圖像、視頻、音頻、PDF 文檔統一映射到單一向量空間（預設 3072 維）。支援交錯輸入（interleaved input，例如圖文混合、視頻+音頻），無需單獨模態轉換或後處理即可實現跨模態語義檢索。支援100+語言，通過 MRL 實現靈活維度（3072→1536→768 維，降維後性能損失<2%，存儲成本降60%）。目前係公開預覽，僅透過 Gemini API / Vertex AI 提供。
關鍵差異：F2LLM‑v2 專注文本高效表徵（純文本、多語言）；Gemini Embedding 2 實現全模態統一空間（5大模態原生融合），呢個係而家嵌入技術最大嘅突破——過去需要 CLIP（圖像）+ Whisper（音頻）+ 文本嵌入再對齊向量空間，而家一個模型、一條 API 就可以完成。
2. 性能基準對比（以 MTEB 為核心）
兩者喺 MTEB（Massive Text Embedding Benchmark）上都達到頂級水平，但側重點唔同：
- F2LLM‑v2：喺17個 MTEB 子基準（共430項任務）中，14B 版本喺11個基準上排名第一，包括 Multilingual（68.74）、English、Code（80.75）、Medical 及多語種特定任務（歐洲、印地、安納托利亞、韓語、波蘭語、中文、日語等）。細模型（80M~330M）喺資源受限場景亦創 SOTA，明顯優於同規模 Qwen3‑Embedding、EmbeddingGemma。MRL 令低維嵌入性能衰減極少，適合邊緣部署。
- Gemini Embedding 2：MTEB English 得分68.32（領先第二名約5.09分）。視頻檢索基準（Vatex、MSR‑VTT、YouCook2）達68.8，遠超 Amazon Nova 2（60.3）同 Voyage Multimodal 3.5（55.2）。喺跨模態任務（例如圖文檢索、視頻+音頻語義匹配）上優勢明顯，純文本任務亦同 F2LLM‑v2 處於同一梯隊（英文 MTEB 略低於 F2LLM‑14B 部分報告值，但多模態整體更強）。
結論：純文本/多語言場景下，F2LLM‑v2‑14B 更全面（尤其係低資源語言）；跨模態（圖像/視頻/音頻檢索）場景下，Gemini Embedding 2 實現質嘅飛躍，無需額外管道。
3. 部署、成本與效率對比
- F2LLM‑v2：自託管友好。8個規模可選，剪枝+蒸餾後推理效率高；MRL 支援動態維度（低至8維仍可用）。完全免費開源，適合中小企業、本地化部署、隱私敏感場景。訓練/推理成本可控（基於 Qwen3 生態）。
- Gemini Embedding 2：雲端 API 計費（Gemini API / Vertex AI，按 token 或請求量）。MRL 降維可大幅降低存儲與計算成本，但依賴谷歌雲基礎設施。輸入限制明確（文本8192 token、圖像≤6張、視頻≤120秒等），適合企業級大規模 RAG、知識庫、法律取證、媒體資產管理。
4. 適用場景與影響
- F2LLM‑v2 更適合：全球多語言搜索、程式碼檢索、醫療/領域 RAG、邊緣設備 AI、本地化應用、開源社區研究。螞蟻集團今次開源進一步降低中小企業門檻，推動「包容性 AI」。
- Gemini Embedding 2 更適合：企業多模態知識管理（法律取證、視頻+音頻檢索、圖文混合搜索）、新一代 RAG 系統、推薦引擎、內容審核。谷歌生態整合（YouTube、Google Cloud）令其喺商業落地更快。
5. 總體評價
F2LLM‑v2 與 Gemini Embedding 2 唔係直接競爭關係，而係互補：前者代表開源高效文本嵌入嘅「廣度與普惠」，後者代表閉源全模態融合嘅「深度與創新」。如果你嘅需求係純文本、多語言、低成本自託管，優先 F2LLM‑v2（尤其係中小模型）；如果需要跨媒體統一檢索、簡化管道、最高跨模態精度，則 Gemini Embedding 2 目前無出其右。
兩者均採用 MRL 技術，體現嵌入模型向「靈活高效」演進嘅共同趨勢。未來，F2LLM‑v2 可能會進一步迭代多模態能力，而 Gemini 亦會開放更多自託管選項。開發者可根據實際場景（文本 vs 多模態、開源 vs 雲端）靈活選擇，甚至結合使用（F2LLM 做文本精細化 + Gemini 做跨模態入口）。
更多細節可參考：
- F2LLM‑v2：arXiv 2603.19223 & GitHub CodeFuse‑Embeddings
- Gemini Embedding 2：Google 官方博客 & Gemini API 文件
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請訪問：https://www.airosetta.com