01O que ele sabe fazer
- Apache 2.0 (uso comercial livre)
- Multimodal: texto, imagem e áudio no mesmo espaço vetorial
- Ultraleve: ~0,4 GB de VRAM em Q4, ~0,9 GB de RAM em CPU
- Tag Ollama oficial: instalação com um comando
- —Modelo de embeddings — não gera texto (não é um chat LLM)
- —Contexto limitado a 8k tokens: divida documentos longos
- —Para integrar a um pipeline RAG completo (banco de dados vetorial + LLM gerador)
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para EmbeddingGemma 2?
Para executar EmbeddingGemma 2 localmente com quantização Q4, você precisa de aproximadamente 0.4 GB de VRAM. Uma opção para comparar: RTX 5060 Ti 16 GB — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
Em deslocamento: EmbeddingGemma 2 também roda em um Notebook RTX (16 GB de VRAM) →
Seu ChatGPT privado e gratuito na sua máquina em 1 hora — LM Studio, Ollama, Open WebUI, seus documentos, sem nuvem.
- Espaço online vitalício
- PDF + arquivos
- Atualizações vitalícias
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.