Google parantos medalkeun kulawarga modél basa skala ageung anu énggal, Gemma 4, dumasar kana modél Gemini 3. Gemma 4 disebarkeun dina Lisénsi Apache dina varian kalayan parameter 2.3, 4.5, 25.2, sareng 30.7 milyar (E2B, E4B, 31B, sareng 26B A4B). Varian E2B sareng E4B cocog dianggo dina alat sélulér, sistem Internet of Things (IoT), sareng papan sapertos Raspberry Pi, sedengkeun varian sanésna cocog dianggo dina workstation sareng sistem kalayan GPU konsumen. Ukuran kontéks anu dipertimbangkeun ku modél nyaéta 128 token pikeun modél E2B sareng E4B, sareng 256 token pikeun modél 31B sareng 26B A4B.
Modél-modélna multibasa sareng multimodal: 35 basa dirojong langsung (langkung ti 140 basa dianggo nalika latihan), sareng téks sareng gambar tiasa diolah salaku input (modél E2B sareng E4B ogé ngadukung pamrosésan audio). Modél 26B A4B dumasar kana arsitéktur Mixture-of-Experts (MoE), dimana modél dibagi kana sarangkaian jaringan ahli (generasi réspon ngan ukur tiasa nganggo 3.8 milyar parameter, tapi kecepatanana langkung luhur tibatan modél ageung klasik), sedengkeun varian sanésna nganggo arsitéktur monolitik klasik.
Modél-modél ieu ngadukung modeu penalaran sareng musyawarah anu tiasa disaluyukeun, sareng ngadukung Peran Sistem pikeun ngolah instruksi (aturan, kendala) sacara misah ti data. Modél-modél ieu tiasa dianggo pikeun nyerat kode, mikawanoh objék dina gambar, analisis pidéo pigura-demi-pigura, ngaparsing dokumén sareng PDF, pangakuan karakter optik (OCR) tina téks anu dicitak sareng ditulis ku leungeun, pangakuan ucapan, sareng tarjamahan antara basa. Éta ogé tiasa dianggo salaku agén otonom anu berinteraksi sareng rupa-rupa alat sareng API.
Dina kalolobaan tés, modél Gemma 4 sacara signifikan ngaleuwihan modél Gemma 3 anu mibanda parameter 27 milyar. Gemma 4 ngadukung LiteRT-LM, vLLM, llama.cpp, MLX, Ollama, NVIDIA NIM sareng NeMo, LM Studio, Unsloth, SGLang, Cactus, Basetan, MaxText, Tunix, sareng Keras.
sumber: opennet.ru
