🥇ក្រុមហ៊ុន Google បានចេញផ្សាយម៉ូដែល AI ប្រភពបើកចំហ Gemma 4 ដែលបង្កើតឡើងដោយផ្អែកលើបច្ចេកវិទ្យា Gemini 3

Google បានចេញផ្សាយក្រុមគ្រួសារថ្មីនៃគំរូភាសាទ្រង់ទ្រាយធំ គឺ Gemma 4 ដែលផ្អែកលើគំរូ Gemini 3។ Gemma 4 ត្រូវបានចែកចាយក្រោមអាជ្ញាប័ណ្ណ Apache ក្នុងវ៉ារ្យ៉ង់ដែលមានប៉ារ៉ាម៉ែត្រចំនួន 2.3, 4.5, 25.2 និង 30.7 ពាន់លាន (E2B, E4B, 31B និង 26B A4B)។ វ៉ារ្យ៉ង់ E2B និង E4B គឺសមរម្យសម្រាប់ប្រើលើឧបករណ៍ចល័ត ប្រព័ន្ធអ៊ីនធឺណិតនៃវត្ថុ (IoT) និងក្តារដូច Raspberry Pi ខណៈពេលដែលវ៉ារ្យ៉ង់ផ្សេងទៀតគឺសមរម្យសម្រាប់ប្រើលើស្ថានីយការងារ និងប្រព័ន្ធដែលមាន GPU អ្នកប្រើប្រាស់។ ទំហំបរិបទដែលត្រូវបានពិចារណាដោយគំរូគឺ 128 ថូខឹនសម្រាប់ម៉ូដែល E2B និង E4B និង 256 ថូខឹនសម្រាប់ម៉ូដែល 31B និង 26B A4B។

ម៉ូដែលទាំងនេះមានច្រើនភាសា និងច្រើនម៉ូឌុល៖ ភាសាចំនួន 35 ត្រូវបានគាំទ្រភ្លាមៗ (ភាសាជាង 140 ត្រូវបានប្រើប្រាស់ក្នុងអំឡុងពេលបណ្តុះបណ្តាល) ហើយអត្ថបទ និងរូបភាពអាចត្រូវបានដំណើរការជាការបញ្ចូល (ម៉ូដែល E2B និង E4B ក៏គាំទ្រដំណើរការអូឌីយ៉ូផងដែរ)។ ម៉ូដែល A4B 26B គឺផ្អែកលើស្ថាបត្យកម្ម Mixture-of-Experts (MoE) ដែលម៉ូដែលនេះត្រូវបានបែងចែកជាស៊េរីនៃបណ្តាញអ្នកជំនាញ (ការបង្កើតការឆ្លើយតបអាចប្រើប៉ារ៉ាម៉ែត្របានត្រឹមតែ 3.8 ពាន់លានប៉ុណ្ណោះ ប៉ុន្តែល្បឿនគឺខ្ពស់ជាងម៉ូដែលធំៗបុរាណយ៉ាងខ្លាំង) ខណៈពេលដែលវ៉ារ្យ៉ង់ផ្សេងទៀតប្រើស្ថាបត្យកម្ម monolithic បុរាណ។

ម៉ូដែលទាំងនេះគាំទ្រដល់ការវែកញែក និងរបៀបពិភាក្សាដែលអាចប្ដូរតាមបំណងបាន ហើយគាំទ្រតួនាទីប្រព័ន្ធសម្រាប់ដំណើរការការណែនាំ (ច្បាប់ ការរឹតបន្តឹង) ដោយឡែកពីទិន្នន័យ។ ម៉ូដែលទាំងនេះអាចត្រូវបានប្រើសម្រាប់ការសរសេរកូដ ការសម្គាល់វត្ថុនៅក្នុងរូបភាព ការវិភាគវីដេអូតាមស៊ុម ការវិភាគឯកសារ និង PDF ការសម្គាល់តួអក្សរអុបទិក (OCR) នៃអត្ថបទដែលបានបោះពុម្ព និងសរសេរដោយដៃ ការសម្គាល់ការនិយាយ និងការបកប្រែរវាងភាសា។ ពួកវាក៏អាចត្រូវបានប្រើជាភ្នាក់ងារស្វយ័តដែលអាចធ្វើអន្តរកម្មជាមួយឧបករណ៍ និង API ផ្សេងៗ។

នៅក្នុងការធ្វើតេស្តភាគច្រើន ម៉ូដែល Gemma 4 មានដំណើរការល្អជាងម៉ូដែល Gemma 3 ដែលមានប៉ារ៉ាម៉ែត្រ 27 ពាន់លាន។ Gemma 4 គាំទ្រ LiteRT-LM, vLLM, llama.cpp, MLX, Ollama, NVIDIA NIM និង NeMo, LM Studio, Unsloth, SGLang, Cactus, Basetan, MaxText, Tunix និង Keras។