2026年3月，蚂蚁集团（Ant Group）与谷歌 DeepMind 先后发布了两款重量级嵌入（Embedding）模型：蚂蚁于3月19日开源 F2LLM‑v2（arXiv:2603.19223），谷歌则于3月10日推出 Gemini Embedding 2（gemini‑embedding‑2‑preview）。两者均为当前嵌入技术前沿，但定位、能力与适用场景存在本质差异——F2LLM‑v2 是高效开源的多语言文本嵌入模型，Gemini Embedding 2 则是全球首个原生全模态（natively multimodal）嵌入模型。两者在纯文本任务上性能接近 SOTA，但 Gemini 在跨模态融合上实现突破，而 F2LLM‑v2 在多语言覆盖、部署灵活性与开源透明度上更具优势。
1. 模型定位与核心能力对比
- F2LLM‑v2（蚂蚁集团）：通用多语言文本嵌入模型家族，共8个规模（80M~14B 参数）。基于 Qwen3 Transformer decoder 架构，使用 EOS token 作为序列表征。支持超过200种语言，特别强化中低资源语言。训练数据为全新整理的6000万高质量公开样本，采用两阶段 LLM‑based 嵌入训练管道 + Matryoshka Representation Learning（MRL）+ 模型剪枝 + 知识蒸馏，实现高效压缩与性能保留。完全开源（模型、数据、代码、中间检查点均在 GitHub CodeFuse‑Embeddings 和 Hugging Face 发布）。
- Gemini Embedding 2（谷歌）：首个原生全模态嵌入模型，基于 Gemini 架构构建，将文本、图像、视频、音频、PDF 文档统一映射到单一向量空间（默认 3072 维）。支持交错输入（interleaved input，如图文混合、视频+音频），无需单独模态转换或后处理即可实现跨模态语义检索。支持100+ 语言，通过 MRL 实现灵活维度（3072→1536→768 维，降维后性能损失<2%，存储成本降60%）。目前为公开预览，仅通过 Gemini API / Vertex AI 提供。
关键差异：F2LLM‑v2 专注文本高效表征（纯文本、多语言）；Gemini Embedding 2 实现全模态统一空间（5大模态原生融合），这是当前嵌入技术最大突破——过去需 CLIP（图像）+ Whisper（音频）+ 文本嵌入再对齐向量空间，现在一个模型、一条 API 即可完成。
2. 性能基准对比（以 MTEB 为核心）
两者均在 MTEB（Massive Text Embedding Benchmark）上达到顶级水平，但侧重点不同：
- F2LLM‑v2：在17个 MTEB 子基准（共430项任务）中，14B 版本在11个基准上排名第一，包括 Multilingual（68.74）、English、Code（80.75）、Medical 及多语种特定任务（欧洲、印地、安纳托利亚、韩语、波兰语、中文、日语等）。小模型（80M~330M）在资源受限场景也创 SOTA，显著优于同规模 Qwen3‑Embedding、EmbeddingGemma。MRL 让低维嵌入性能衰减极小，适合边缘部署。
- Gemini Embedding 2：MTEB English 得分68.32（领先第二名约5.09分）。视频检索基准（Vatex、MSR‑VTT、YouCook2）达68.8，远超 Amazon Nova 2（60.3）和 Voyage Multimodal 3.5（55.2）。在跨模态任务（如图文检索、视频+音频语义匹配）上优势明显，纯文本任务也与 F2LLM‑v2 处于同一梯队（英文 MTEB 略低于 F2LLM‑14B 部分报告值，但多模态整体更强）。
结论：纯文本/多语言场景下，F2LLM‑v2‑14B 更全面（尤其低资源语言）；跨模态（图像/视频/音频检索）场景下，Gemini Embedding 2 实现质的飞跃，无需额外管道。
3. 部署、成本与效率对比
- F2LLM‑v2：自托管友好。8个规模可选，剪枝+蒸馏后推理效率高；MRL 支持动态维度（低至8维仍可用）。完全免费开源，适合中小企业、本地化部署、隐私敏感场景。训练/推理成本可控（基于 Qwen3 生态）。
- Gemini Embedding 2：云端 API 计费（Gemini API / Vertex AI，按 token 或请求量）。MRL 降维可大幅降低存储与计算成本，但依赖谷歌云基础设施。输入限制明确（文本8192 token、图像≤6张、视频≤120秒等），适合企业级大规模 RAG、知识库、法律取证、媒体资产管理。
4. 适用场景与影响
- F2LLM‑v2 更适合：全球多语言搜索、代码检索、医疗/领域 RAG、边缘设备 AI、本地化应用、开源社区研究。蚂蚁集团此次开源进一步降低中小企业门槛，推动“包容性 AI”。
- Gemini Embedding 2 更适合：企业多模态知识管理（法律取证、视频+音频检索、图文混合搜索）、新一代 RAG 系统、推荐引擎、内容审核。谷歌生态整合（YouTube、Google Cloud）让其在商业落地更快。
5. 总体评价
F2LLM‑v2 与 Gemini Embedding 2 不是直接竞争关系，而是互补：前者代表开源高效文本嵌入的“广度与普惠”，后者代表闭源全模态融合的“深度与创新”。如果你的需求是纯文本、多语言、低成本自托管，优先 F2LLM‑v2（尤其是中小模型）；如果需要跨媒体统一检索、简化管道、最高跨模态精度，则 Gemini Embedding 2 目前无出其右。
两者均采用 MRL 技术，体现嵌入模型向“灵活高效”演进的共同趋势。未来，F2LLM‑v2 可能进一步迭代多模态能力，而 Gemini 也会开放更多自托管选项。开发者可根据实际场景（文本 vs 多模态、开源 vs 云端）灵活选择，甚至结合使用（F2LLM 做文本精细化 + Gemini 做跨模态入口）。
更多细节可参考：
- F2LLM‑v2：arXiv 2603.19223 & GitHub CodeFuse‑Embeddings
- Gemini Embedding 2：Google 官方博客 & Gemini API 文档
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com