01Was es kann
- Apache 2.0 (freie kommerzielle Nutzung)
- Multimodal: Text, Bild und Audio in einem gemeinsamen Vektorraum
- Ultraleicht: ~0,4 GB VRAM bei Q4, ~0,9 GB RAM auf der CPU
- Offizieller Ollama-Tag: Installation mit einem Befehl
- —Embedding-Modell — erzeugt keinen Text (kein Chat-LLM)
- —Auf 8k Tokens begrenzter Kontext: Lange Dokumente aufteilen
- —In eine vollständige RAG-Pipeline zu integrieren (Vektordatenbank + generierendes LLM)
04Installieren
Installieren Sie Ollama für Ihr Betriebssystem. Prüfen Sie das Modell und seine Quantisierung vor dem Download. Beginnen Sie mit einem Kontext von 4096 Tokens und prüfen Sie anschließend mit ollama ps, wo das Modell ausgeführt wird. Ein unten aufgeführter Befehl ist kein Beweis dafür, dass ein Test auf Ihrem Computer ausgeführt wurde.
02Benötigter Speicher
Ungefähr benötigter GPU-VRAM zum Ausführen dieses Modells, einschließlich des Speicherbedarfs für einen Kontext von 4k Tokens. Für einen längeren Kontext rechnen Sie mit zusätzlich ca. 1 GB je 8k Tokens.
Welche Hardware eignet sich für EmbeddingGemma 2?
Um EmbeddingGemma 2 lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 0.4 GB VRAM. Eine Option zum Vergleich: RTX 5060 Ti 16 GB — Halten Sie einen Puffer für das System und den Kontext frei; prüfen Sie die Kompatibilität der Engine mit der GPU.
Affiliate-Links – mögliche Provision ohne Mehrkosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient QuelLLM an qualifizierten Käufen.
Unterwegs: EmbeddingGemma 2 läuft auch auf einem RTX-Laptop (16 GB VRAM) →
Ihr privates, kostenloses ChatGPT auf Ihrem Rechner in einer Stunde – mit LM Studio, Ollama, Open WebUI und Ihren Dokumenten, ganz ohne Cloud.
- Lebenslanger Online-Zugang
- PDF + Dateien
- Lebenslange Updates
03Erwartete Geschwindigkeit
Generierte Tokens pro Sekunde in Q4_K_M, Kontext 4k. Jenseits von 20 t/s, lässt es sich angenehm lesen. Bei weniger als 10 t/s, eignet es sich nur zum Testen.