# Llama для Mac 0.45.0: локальный поиск с EmbeddingGemma 2

Источник: https://modelium.tech/zhurnal/llama-macos-0-45-0-embeddinggemma-2/

В Llama для macOS 0.45.0 появилась поддержка моделей, которые превращают текст в числовые представления для поиска похожих фрагментов. Первой заявлена EmbeddingGemma 2; её можно скачать в приложении, а результат получать через локальный интерфейс /v1/embeddings. Готовой библиотеки поиска по папке это обновление само по себе не создаёт.

Llama для Mac 0.45.0: локальный поиск с EmbeddingGemma 2

**Что изменилось.** Если нужно находить в заметках фрагменты не только по точному слову, но и по смыслу, Llama для macOS версии 0.45.0 теперь умеет запускать модели для такого поиска. В релизе от 18 октября 2026 года разработчики назвали первой поддерживаемой моделью EmbeddingGemma 2. Она превращает текст в набор чисел — *вектор*, по которому другое приложение может сопоставлять похожие записи. Сам Llama не становится готовым поиском по вашим папкам. [s1](#src-s1)

## Что уже можно получить на Mac

В приложении модель помечается значком Embedding, а на её странице есть ссылка на руководство. Локальный сервер Llama выдаёт результаты через адрес `/v1/embeddings`: это интерфейс для программы, которая собирает поисковый индекс, а не окно для вопроса к документам. Разработчики также добавили вход в Hugging Face для моделей с ограниченным доступом и более понятное сообщение, когда право на скачивание ещё не выдано. Это возможность приложения в целом; карточка EmbeddingGemma 2 от Google сейчас не помечена как закрытая. [s1](#src-s1)[s3](#src-s3)

В репозитории GGML доступны файлы EmbeddingGemma 2 в формате GGUF (файл модели для программы запуска): варианты BF16 и Q8_0, а также отдельные файлы для обработки изображений. Карточка GGML прямо предлагает запуск через Llama. Исходная модель Google описана как способ сопоставлять текст, изображения, звук и видео, однако релиз Llama 0.45.0 прямо подтверждает именно поддержку модели для получения векторов из текста; не считайте работу всех форматов входа в этом приложении проверенной. [s2](#src-s2)[s3](#src-s3)

## Что делать обычному пользователю

Если Llama уже установлен на Mac, проверьте версию приложения. Для новой установки официальный репозиторий предлагает загрузить Llama из GitHub Releases; в выпуске 0.45.0 приложен `Llama.dmg`. После открытия приложения найдите EmbeddingGemma 2 среди моделей и посмотрите руководство на странице модели. Ожидаемый результат этого шага — доступная для загрузки карточка модели, а после загрузки — локальная модель, которую может вызвать совместимая программа. Редакция не запускала этот выпуск на Mac и не проверяла установку или ответ сервера на собственных данных. [s1](#src-s1)[s2](#src-s2)[s4](#src-s4)

Например, запрос «как вернуть покупку» и заметка «оформление возврата товара» могут оказаться близкими по смыслу без одинаковых слов. Для реального поиска нужен отдельный инструмент, который обработает ваши заметки той же моделью, сохранит их векторы и сравнит с вектором запроса; выдача Llama сама по себе не индексирует папку. Не полагайтесь на один только такой поиск там, где нельзя пропустить важный документ. [s1](#src-s1)

## Ограничения и права

Это прежде всего новость о возможностях приложения для Mac, а не обещание готового домашнего рецепта или замеров скорости. Для скачивания приложения и весов нужен интернет; локальная обработка начинается после их получения. Системные требования именно для этой модели и фактическое качество поиска в Llama редакцией не измерялись; размер файла весов не является требованием к памяти. Код приложения отмечен лицензией MIT, а карточки исходных весов Google и GGUF-пакета — Apache 2.0. Эти обозначения относятся к разным компонентам. [s2](#src-s2)[s3](#src-s3)[s4](#src-s4)[s5](#src-s5)

**Следующий шаг:** если вам нужна сама модель, сначала прочитайте [отдельный разбор EmbeddingGemma 2](/zhurnal/embeddinggemma-2-multimodal-local-search-gguf/) и определите, какой вид данных нужно искать. [s3](#src-s3)

## Источники

1. [GGML — Llama macOS 0.45.0 release](https://github.com/ggml-org/Llama-macOS/releases/tag/0.45.0) — получено 2026-10-20
2. [GGML — EmbeddingGemma 2 GGUF at revision 58faf909](https://huggingface.co/ggml-org/embeddinggemma-2-GGUF/tree/58faf90940886df2d62be555c8765d00dac362c5) — получено 2026-10-20
3. [Google — EmbeddingGemma 2 model card at revision 914f7f89](https://huggingface.co/google/embeddinggemma-2/tree/914f7f89142e33e77833254d9c9b90c3cef7303b) — получено 2026-10-20
4. [GGML — Llama macOS 0.45.0 README](https://github.com/ggml-org/Llama-macOS/blob/0.45.0/readme.md) — получено 2026-10-20
5. [GGML — Llama macOS 0.45.0 LICENSE](https://github.com/ggml-org/Llama-macOS/blob/0.45.0/LICENSE) — получено 2026-10-20