🥇ਗੂਗਲ ਨੇ ਓਪਨ ਸੋਰਸ ਏਆਈ ਮਾਡਲ ਜੇਮਾ 4 ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਜੇਮਿਨੀ 3 ਤਕਨਾਲੋਜੀਆਂ 'ਤੇ ਬਣਿਆ ਹੈ

ਗੂਗਲ ਨੇ ਵੱਡੇ ਪੈਮਾਨੇ ਦੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦਾ ਇੱਕ ਨਵਾਂ ਪਰਿਵਾਰ, Gemma 4 ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ Gemini 3 ਮਾਡਲ 'ਤੇ ਆਧਾਰਿਤ ਹੈ। Gemma 4 ਨੂੰ Apache ਲਾਇਸੈਂਸ ਦੇ ਤਹਿਤ 2.3, 4.5, 25.2, ਅਤੇ 30.7 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰ (E2B, E4B, 31B, ਅਤੇ 26B A4B) ਵਾਲੇ ਰੂਪਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ। E2B ਅਤੇ E4B ਰੂਪ ਮੋਬਾਈਲ ਡਿਵਾਈਸਾਂ, ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਜ਼ (IoT) ਸਿਸਟਮਾਂ, ਅਤੇ ਰਾਸਬੇਰੀ ਪਾਈ ਵਰਗੇ ਬੋਰਡਾਂ 'ਤੇ ਵਰਤੋਂ ਲਈ ਢੁਕਵੇਂ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਜੇ ਰੂਪ ਵਰਕਸਟੇਸ਼ਨਾਂ ਅਤੇ ਉਪਭੋਗਤਾ GPU ਵਾਲੇ ਸਿਸਟਮਾਂ 'ਤੇ ਵਰਤੋਂ ਲਈ ਢੁਕਵੇਂ ਹਨ। ਮਾਡਲ ਦੁਆਰਾ ਵਿਚਾਰਿਆ ਗਿਆ ਸੰਦਰਭ ਆਕਾਰ E2B ਅਤੇ E4B ਮਾਡਲਾਂ ਲਈ 128 ਟੋਕਨ ਅਤੇ 31B ਅਤੇ 26B A4B ਮਾਡਲਾਂ ਲਈ 256 ਟੋਕਨ ਹੈ।

ਇਹ ਮਾਡਲ ਬਹੁ-ਭਾਸ਼ਾਈ ਅਤੇ ਬਹੁ-ਮਾਡਲ ਹਨ: 35 ਭਾਸ਼ਾਵਾਂ ਬਾਕਸ ਤੋਂ ਬਾਹਰ ਸਮਰਥਿਤ ਹਨ (ਸਿਖਲਾਈ ਦੌਰਾਨ 140 ਤੋਂ ਵੱਧ ਭਾਸ਼ਾਵਾਂ ਵਰਤੀਆਂ ਗਈਆਂ ਸਨ), ਅਤੇ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰਾਂ ਨੂੰ ਇਨਪੁਟ ਦੇ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ (E2B ਅਤੇ E4B ਮਾਡਲ ਆਡੀਓ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਸਮਰਥਨ ਵੀ ਕਰਦੇ ਹਨ)। 26B A4B ਮਾਡਲ ਮਿਕਸਚਰ-ਆਫ-ਐਕਸਪਰਟਸ (MoE) ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਜਿਸ ਵਿੱਚ ਮਾਡਲ ਨੂੰ ਮਾਹਰ ਨੈੱਟਵਰਕਾਂ ਦੀ ਇੱਕ ਲੜੀ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ (ਪ੍ਰਤੀਕਿਰਿਆ ਪੈਦਾਵਾਰ ਸਿਰਫ 3.8 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਗਤੀ ਕਲਾਸਿਕ ਵੱਡੇ ਮਾਡਲਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹੈ), ਜਦੋਂ ਕਿ ਦੂਜੇ ਰੂਪ ਇੱਕ ਕਲਾਸਿਕ ਮੋਨੋਲਿਥਿਕ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।

ਇਹ ਮਾਡਲ ਤਰਕ ਅਤੇ ਅਨੁਕੂਲਿਤ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਦੇ ਢੰਗਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਅਤੇ ਡੇਟਾ ਤੋਂ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਨਿਰਦੇਸ਼ਾਂ (ਨਿਯਮਾਂ, ਪਾਬੰਦੀਆਂ) ਦੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਇੱਕ ਸਿਸਟਮ ਭੂਮਿਕਾ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕੋਡ ਲਿਖਣ, ਚਿੱਤਰਾਂ ਵਿੱਚ ਵਸਤੂਆਂ ਦੀ ਪਛਾਣ ਕਰਨ, ਫਰੇਮ-ਦਰ-ਫ੍ਰੇਮ ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ, ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ PDF ਨੂੰ ਪਾਰਸ ਕਰਨ, ਛਪੇ ਅਤੇ ਹੱਥ ਲਿਖਤ ਟੈਕਸਟ ਦੀ ਆਪਟੀਕਲ ਅੱਖਰ ਪਛਾਣ (OCR), ਬੋਲੀ ਪਛਾਣ, ਅਤੇ ਭਾਸ਼ਾਵਾਂ ਵਿਚਕਾਰ ਅਨੁਵਾਦ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਟੂਲਸ ਅਤੇ API ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨ ਵਾਲੇ ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟਾਂ ਵਜੋਂ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਜ਼ਿਆਦਾਤਰ ਟੈਸਟਾਂ ਵਿੱਚ, Gemma 4 ਮਾਡਲਾਂ ਨੇ 27-ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ Gemma 3 ਮਾਡਲ ਨੂੰ ਕਾਫ਼ੀ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਦਿੱਤਾ। Gemma 4 LiterRT-LM, vLLM, llama.cpp, MLX, Ollama, NVIDIA NIM ਅਤੇ NeMo, LM Studio, Unsloth, SGLang, Cactus, Basetan, MaxText, Tunix, ਅਤੇ Keras ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।