🥇गुगलले जेमिनी ३ प्रविधिमा निर्मित ओपन सोर्स एआई मोडेल जेम्मा ४ जारी गरेको छ

गुगलले जेमिनी ३ मोडेलमा आधारित ठूलो स्तरको भाषा मोडेलहरूको नयाँ परिवार, जेम्मा ४ प्रकाशित गरेको छ। जेम्मा ४ अपाचे लाइसेन्स अन्तर्गत २.३, ४.५, २५.२, र ३०.७ बिलियन प्यारामिटरहरू (E2B, E4B, ३१B, र २६B A4B) भएका भेरियन्टहरूमा वितरण गरिएको छ। E2B र E4B भेरियन्टहरू मोबाइल उपकरणहरू, इन्टरनेट अफ थिंग्स (IoT) प्रणालीहरू, र रास्पबेरी पाई-जस्तो बोर्डहरूमा प्रयोगको लागि उपयुक्त छन्, जबकि अन्य भेरियन्टहरू उपभोक्ता GPU हरू भएका वर्कस्टेशनहरू र प्रणालीहरूमा प्रयोगको लागि उपयुक्त छन्। मोडेलले विचार गरेको सन्दर्भ आकार E2B र E4B मोडेलहरूको लागि १२८,००० टोकनहरू, र ३१B र २६B A4B मोडेलहरूको लागि २५६,००० टोकनहरू छन्।

मोडेलहरू बहुभाषी र बहु-मोडल छन्: ३५ भाषाहरू बक्स बाहिर समर्थित छन् (प्रशिक्षणको समयमा १४० भन्दा बढी भाषाहरू प्रयोग गरिएको थियो), र पाठ र छविहरू इनपुटको रूपमा प्रशोधन गर्न सकिन्छ (E2B र E4B मोडेलहरूले अडियो प्रशोधनलाई थप समर्थन गर्दछ)। २६B A4B मोडेल मिक्सचर-अफ-एक्सपर्ट (MoE) आर्किटेक्चरमा आधारित छ, जसमा मोडेललाई विशेषज्ञ नेटवर्कहरूको श्रृंखलामा विभाजित गरिएको छ (प्रतिक्रिया उत्पादनले केवल ३.८ बिलियन प्यारामिटरहरू प्रयोग गर्न सक्छ, तर गति क्लासिक ठूला मोडेलहरूको भन्दा उल्लेखनीय रूपमा उच्च छ), जबकि अन्य भेरियन्टहरूले क्लासिक मोनोलिथिक आर्किटेक्चर प्रयोग गर्छन्।

मोडेलहरूले तर्क र अनुकूलन योग्य विचार-विमर्श मोडहरूलाई समर्थन गर्छन्, र डेटाबाट अलग निर्देशनहरू (नियमहरू, अवरोधहरू) प्रशोधन गर्न प्रणाली भूमिकालाई समर्थन गर्छन्। मोडेलहरू कोड लेख्न, छविहरूमा वस्तुहरू पहिचान गर्न, फ्रेम-द्वारा-फ्रेम भिडियो विश्लेषण गर्न, कागजातहरू र PDF हरू पार्स गर्न, छापिएको र हस्तलिखित पाठको अप्टिकल क्यारेक्टर पहिचान (OCR), वाक् पहिचान, र भाषाहरू बीच अनुवाद गर्न प्रयोग गर्न सकिन्छ। तिनीहरूलाई विभिन्न उपकरणहरू र API हरूसँग अन्तर्क्रिया गर्ने स्वायत्त एजेन्टको रूपमा पनि प्रयोग गर्न सकिन्छ।

धेरैजसो परीक्षणहरूमा, Gemma 4 मोडेलहरूले 27-बिलियन-प्यारामिटर Gemma 3 मोडेललाई उल्लेखनीय रूपमा पछाडि पारे। Gemma 4 ले LiterRT-LM, vLLM, llama.cpp, MLX, Ollama, NVIDIA NIM र NeMo, LM Studio, Unsloth, SGLang, Cactus, Basetan, MaxText, Tunix, र Keras लाई समर्थन गर्दछ।