DigUp模型文档：Google AI — EmbeddingGemma。DigUp 项目：ARahim3/DigUp。其他应用（如 Aether）也可能使用 EmbeddingGemma 2——本页聚焦 DigUp，不是竞品拆解。
EmbeddingGemma 2 是什么
EmbeddingGemma 是 Google 的嵌入模型系列，把输入变成可比较的向量。DigUp 使用 EmbeddingGemma 2，使键入的查询可以同时排序照片、PDF 页、文档段落、音频窗与视频帧——不只靠关键词命中。
- DigUp 材料中约引用：约 740M 参数；本机量化包首次下载约 865 MB。
- 共享维度常描述为 DigUp 多模态索引的 768 维。
- 运行时：llama.cpp（GGUF Q8 类权重）；Mac 上 Metal；Win/Linux 测速后选 CPU 或 GPU（如 Vulkan）。
一个索引，多种模态
| 输入 | DigUp 如何用模型 | 你得到 |
|---|---|---|
| 文本查询 | 搜索时用文本塔嵌入查询 | 近邻 + 关键词加权 |
| 图片 / 截图 | 视觉嵌入（Mac 上扫描/截图可 OCR） | 按画面找 |
| PDF 页 | 页级语义（+ 可用文本/OCR） | 打开到正确页 |
| 音频 | 约 30 秒窗进入共享空间 | 跳到接近时刻 |
| 视频 | 帧 / 瞬间嵌入 | 跳到接近时刻 |
本地优先意味着什么
- 首次启动下载模型（约 865 MB）。之后索引与搜索在本机运行。
- 无 DigUp 账号 — 隐私模型为本地索引 + 可选更新检查（可按上游文档关闭）。
- 若网络挡住下载（Mac 0.6.1） — 设置 → Storage → Use Files… 提供 DigUp 期望的模型文件。
- 硬件 — Mac 用 Apple Silicon Metal；Win/Linux 在更快且等价时选 GPU，否则 CPU（CPU 下照片索引更慢）。
有来源的数字（引用日 2026-10-15）
| 数字 | 语境 | 如何核验 |
|---|---|---|
| 约 865 MB | DigUp 文档中的首次模型下载大小 | README / release notes |
| 约 740M 参数 | EmbeddingGemma 2 规模（Google / DigUp 材料） | Google AI 文档 |
| 768 维 | DigUp 描述的共享向量空间 | 上游 README |
| 约 3,716 stars | ARahim3/DigUp 热度信号 | GitHub API |