Дом
Google запускает модель с открытым исходным кодом Gemma4 в четырёх вариантах; версия объёмом 31 млрд параметров занимает третье место в мире
3 апреля в 4:03 утра по пекинскому времени компания Google официально представила крупную языковую модель с открытым исходным кодом Gemma4. Благодаря прорыву в области «эффективности параметров на единицу», она устанавливает новый стандарт для моделей с открытым исходным кодом в области поддержки рабочих процессов интеллектуальных агентов.
Серия включает в себя эффективные варианты E2B (2,3 млрд) и E4B (4,5 млрд), а также высокопроизводительные модели 26B MoE и 31B dense. Являясь новейшей версией, построенной на технологическом стеке Gemini3, Gemma4 предлагает полную поддержку мультимодального ввода (изображения и видео). Модели E2B и E4B также изначально поддерживают голосовой ввод, что позволяет осуществлять понимание речи в реальном времени на периферии.

С точки зрения технической архитектуры, модели с большим количеством параметров достигают исключительной аппаратной эффективности за счет оптимизации. Версия 31B dense занимает третье место в мире среди моделей с открытым исходным кодом в рейтинге Arena AI по обработке текста, а версия 26B MoE — шестое. Ее возможности логического мышления и вызова функций достаточно надежны для работы сложных автономных агентов.
Для локального развертывания Gemma4 значительно снижает барьер для доступа к передовым технологиям ИИ. Неквантованные веса модели 31B могут работать на одном графическом процессоре H100 объемом 80 ГБ, в то время как квантованные версии совместимы с графическими процессорами потребительского уровня. Для мобильных устройств и устройств IoT модели E2B и E4B обеспечивают логическую обработку с низкой задержкой на таких платформах, как Raspberry Pi и смартфоны, благодаря инновационной технологии встраивания PLE и поддержке контекста длиной 128K.
Этот релиз не только демонстрирует глубокую приверженность Google экосистеме открытого исходного кода, но и, благодаря лицензии Apache 2.0, создает основу для разработчиков по всему миру для создания локализованных приложений ИИ с высоким уровнем конфиденциальности.
Связанная статья
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Соблюдение требований к автономным транспортным средствам в Калифорнии: новая эра штрафов, геозоны и 1 млн миль
Компания Guident эксплуатирует шаттл AuveTech в Южной Флориде, обслуживая маршрут протяженностью четыре мили в Вест-Палм-Бич и маршрут протяженностью одну милю в Бока-Ратоне с использованием своей тех
Рекомендации по связанным специальным темам
Комментарии (2)
Finally Google open-sources something decent! The 31B version ranking third globally is impressive, but I wonder how it compares to Llama 3 in real-world agent tasks? Honestly, parameter efficiency sounds like marketing fluff, but let's see the benchmarks. 🤔
3 апреля в 4:03 утра по пекинскому времени компания Google официально представила крупную языковую модель с открытым исходным кодом Gemma4. Благодаря прорыву в области «эффективности параметров на единицу», она устанавливает новый стандарт для моделей с открытым исходным кодом в области поддержки рабочих процессов интеллектуальных агентов.
Серия включает в себя эффективные варианты E2B (2,3 млрд) и E4B (4,5 млрд), а также высокопроизводительные модели 26B MoE и 31B dense. Являясь новейшей версией, построенной на технологическом стеке Gemini3, Gemma4 предлагает полную поддержку мультимодального ввода (изображения и видео). Модели E2B и E4B также изначально поддерживают голосовой ввод, что позволяет осуществлять понимание речи в реальном времени на периферии.

С точки зрения технической архитектуры, модели с большим количеством параметров достигают исключительной аппаратной эффективности за счет оптимизации. Версия 31B dense занимает третье место в мире среди моделей с открытым исходным кодом в рейтинге Arena AI по обработке текста, а версия 26B MoE — шестое. Ее возможности логического мышления и вызова функций достаточно надежны для работы сложных автономных агентов.
Для локального развертывания Gemma4 значительно снижает барьер для доступа к передовым технологиям ИИ. Неквантованные веса модели 31B могут работать на одном графическом процессоре H100 объемом 80 ГБ, в то время как квантованные версии совместимы с графическими процессорами потребительского уровня. Для мобильных устройств и устройств IoT модели E2B и E4B обеспечивают логическую обработку с низкой задержкой на таких платформах, как Raspberry Pi и смартфоны, благодаря инновационной технологии встраивания PLE и поддержке контекста длиной 128K.
Этот релиз не только демонстрирует глубокую приверженность Google экосистеме открытого исходного кода, но и, благодаря лицензии Apache 2.0, создает основу для разработчиков по всему миру для создания локализованных приложений ИИ с высоким уровнем конфиденциальности.
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Finally Google open-sources something decent! The 31B version ranking third globally is impressive, but I wonder how it compares to Llama 3 in real-world agent tasks? Honestly, parameter efficiency sounds like marketing fluff, but let's see the benchmarks. 🤔











