Google的Gemma 3仅使用一个GPU实现了DeepSeek准确性的98％
人工智能的经济学最近已成为主要重点，尤其是在使用GPU芯片时展示了令人印象深刻的规模经济的初创企业DeepSeek。但是Google不会被淘汰。周三，这家技术巨头推出了其最新的开源大型语言模型Gemma 3，Gemma 3几乎与DeepSeek R1型号的准确性相匹配，但使用了较少的计算能力。
Google使用“ ELO”分数（一种在国际象棋和运动中使用的系统来对竞争对手进行排名。 Gemma 3的得分为1338，比R1的1363差一点，这意味着R1在技术上优于Gemma 3。但是，Google估计，NVIDIA的H100 GPU芯片中的32个将达到R1的得分，而Gemma 3仅使用1 H100 GPU实现了结果。 Google将计算和ELO得分的这种平衡称为“最佳点”。
在博客文章中，Google将Gemma 3描述为“您可以在单个GPU或TPU上运行的最有能力的模型”，指的是其自己的自定义AI芯片，即“张量处理单元”。该公司声称，Gemma 3“为其尺寸提供最先进的性能”，淘汰了Llama-405B，DeepSeek-V3和O3-Mini等模型，以对LMARENA的排行榜进行人体偏好评估。这种性能使在单个GPU或TPU主机上创建引人入胜的用户体验变得更加容易。
谷歌
Google的模型还超过了Meta的Llama 3 ELO分数，Google估计这将需要16个GPU。值得注意的是，这些用于竞争模型的数字是Google的估计； DeepSeek AI仅使用NVIDIA不太能力的H800 GPU披露了R1。
可以在有关HuggingFace的开发人员博客文章中找到更多深入的信息，Gemma 3存储库可用。 Gemma 3专为设备使用而不是数据中心而设计，与R1和其他开源模型相比，参数数量的较少。由于参数计数从10亿到270亿不等，Gemma 3符合目前的标准非常适中，而R1具有6710亿个参数，尽管它只能有选择地使用370亿。
Gemma 3效率的关键是一种称为蒸馏的广泛使用的AI技术，其中较大模型的训练有素的模型权重转移到较小的模型，从而增强了其功能。此外，蒸馏模型采取了三种质量控制措施：从人类反馈中学习（RLHF），从机器反馈（RLMF）学习的增强措施以及从执行反馈（RLEF）学习的增强学习。这些有助于完善模型的输出，使它们更有帮助并提高其数学和编码能力。
Google的开发人员博客详细介绍了这些方法，另一篇文章讨论了针对移动设备的最小10亿参数模型的优化技术。其中包括量化，更新键值缓存布局，改善可变加载时间以及GPU重量共享。
Google不仅在ELO分数上，而且还与其前身Gemma 2及其封闭源的Gemini模型在LiveCodeBench等各种基准上进行了比较。尽管Gemma 3的准确性通常低于Gemini 1.5和Gemini 2.0，但Google指出，尽管参数较少，但它“与封闭的Gemini模型相比表现出了竞争性能”。
谷歌
Gemma 3对Gemma 2的重大升级是其更长的“上下文窗口”，从8,000个令牌扩展到128,000个令牌。这使模型可以处理诸如整个论文或书籍之类的较大文本。 Gemma 3也是多模式，能够处理文本和图像输入，与其前身不同。此外，它支持140多种语言，对Gemma 2的仅英语功能有了极大的改善。
除了这些主要功能外，Gemma 3还有其他一些有趣的方面。大型语言模型的一个问题是记住其培训数据的一部分，这可能导致隐私漏洞。 Google的研究人员为此对Gemma 3进行了测试，并发现它以比其前辈低的速度记住长篇文本，这表明保护了隐私保护。
对于那些对尼特（Nitty-Gritty）感兴趣的人，Gemma 3技术论文对模型的功能和开发提供了彻底的细分。
相关文章
AI驱动的总结：YouTube视频总结完整指南
在当今快节奏的世界中，快速处理和理解信息的能力比以往任何时候都重要。YouTube拥有无尽的视频资源，是知识的宝库，但谁有时间从头到尾观看每段视频？本指南将展示如何使用AI工具总结YouTube视频，帮助你节省时间并提高生产力。通过AI驱动的总结工具，你可以迅速抓住视频要点，决定是否值得深入观看或继续下一个。让我们探索这些AI工具如何改变你的学习和保持更新的方式。关键点AI驱动的工具让你快速理解Y
AI驱动的超声波变革即时医疗评估
人工智能正在颠覆医疗领域，超声波技术也随之变革。本文探讨了AI如何转变即时超声波（POCUS）评估，使其更易获取、更高效、更准确。从优化图像采集到提升解读精度，AI将革新超声波，为各种场景带来更好的患者护理。关键要点AI简化超声波图像采集，使非专家也能轻松获取诊断质量的图像。机器学习提升超声波图像解读能力，助力更精确地发现和测量病理。得益于AI，即时超声波（POCUS）变得更易普及，可能提升资源匮
机器学习速查表：人工智能关键快速参考指南
在技术快速发展的世界中，人工智能和云计算推动创新，保持更新和准备至关重要。无论与同事讨论策略、制作教育内容，还是为面试做准备，快速获取关键信息都至关重要。这就是机器学习速查表的作用。它们不是走捷径，而是帮助唤醒记忆，复习基本概念，确保你准备好应对人工智能领域的复杂性。关键点速查表是人工智能和数据科学专业人士的重要工具。它们提供快速复习基本概念的方法。如Aqeel Anwar的速查表等资源对面试和日
评论 (5)
0/200
![ArthurLopez]()
ArthurLopez
2025-05-03 08:00:00
Google's Gemma 3 is pretty impressive, hitting 98% accuracy with just one GPU! 🤯 It's like they're showing off, but in a good way. Makes me wonder if I should switch to Google's tech for my projects. Definitely worth a try, right?
0
![EricJohnson]()
EricJohnson
2025-05-02 08:00:00
GoogleのGemma 3は一つのGPUで98%の精度を達成するなんてすごいですね！🤯 見せびらかしているようだけど、いい意味で。自分のプロジェクトにGoogleの技術を使うべきか考えさせられます。試してみる価値はありそうですね。
0
![StevenAllen]()
StevenAllen
2025-05-03 08:00:00
구글의 Gemma 3이 한 개의 GPU로 98% 정확도를 달성하다니 정말 대단해요! 🤯 자랑하는 것 같지만 좋은 의미에서요. 내 프로젝트에 구글의 기술을 사용해야 할지 고민하게 만드네요. 시도해 볼 가치가 있을 것 같아요.
0
![AlbertRodriguez]()
AlbertRodriguez
2025-05-03 08:00:00
O Gemma 3 do Google é impressionante, atingindo 98% de precisão com apenas uma GPU! 🤯 Parece que estão se exibindo, mas de um jeito bom. Me faz pensar se devo mudar para a tecnologia do Google para meus projetos. Vale a pena tentar, né?
0
![GeorgeSmith]()
GeorgeSmith
2025-05-02 08:00:00
गूगल का Gemma 3 एक ही GPU के साथ 98% सटीकता प्राप्त करना बहुत प्रभावशाली है! 🤯 ऐसा लगता है कि वे अपनी ताकत दिखा रहे हैं, लेकिन अच्छे तरीके से। मुझे सोचने पर मजबूर करता है कि क्या मुझे अपने प्रोजेक्ट्स के लिए गूगल की टेक्नोलॉजी का उपयोग करना चाहिए। निश्चित रूप से कोशिश करने लायक है, है ना?
0
人工智能的经济学最近已成为主要重点，尤其是在使用GPU芯片时展示了令人印象深刻的规模经济的初创企业DeepSeek。但是Google不会被淘汰。周三，这家技术巨头推出了其最新的开源大型语言模型Gemma 3，Gemma 3几乎与DeepSeek R1型号的准确性相匹配，但使用了较少的计算能力。
Google使用“ ELO”分数（一种在国际象棋和运动中使用的系统来对竞争对手进行排名。 Gemma 3的得分为1338，比R1的1363差一点，这意味着R1在技术上优于Gemma 3。但是，Google估计，NVIDIA的H100 GPU芯片中的32个将达到R1的得分，而Gemma 3仅使用1 H100 GPU实现了结果。 Google将计算和ELO得分的这种平衡称为“最佳点”。
在博客文章中，Google将Gemma 3描述为“您可以在单个GPU或TPU上运行的最有能力的模型”，指的是其自己的自定义AI芯片，即“张量处理单元”。该公司声称，Gemma 3“为其尺寸提供最先进的性能”，淘汰了Llama-405B，DeepSeek-V3和O3-Mini等模型，以对LMARENA的排行榜进行人体偏好评估。这种性能使在单个GPU或TPU主机上创建引人入胜的用户体验变得更加容易。
Google的模型还超过了Meta的Llama 3 ELO分数，Google估计这将需要16个GPU。值得注意的是，这些用于竞争模型的数字是Google的估计； DeepSeek AI仅使用NVIDIA不太能力的H800 GPU披露了R1。
可以在有关HuggingFace的开发人员博客文章中找到更多深入的信息，Gemma 3存储库可用。 Gemma 3专为设备使用而不是数据中心而设计，与R1和其他开源模型相比，参数数量的较少。由于参数计数从10亿到270亿不等，Gemma 3符合目前的标准非常适中，而R1具有6710亿个参数，尽管它只能有选择地使用370亿。
Gemma 3效率的关键是一种称为蒸馏的广泛使用的AI技术，其中较大模型的训练有素的模型权重转移到较小的模型，从而增强了其功能。此外，蒸馏模型采取了三种质量控制措施：从人类反馈中学习（RLHF），从机器反馈（RLMF）学习的增强措施以及从执行反馈（RLEF）学习的增强学习。这些有助于完善模型的输出，使它们更有帮助并提高其数学和编码能力。
Google的开发人员博客详细介绍了这些方法，另一篇文章讨论了针对移动设备的最小10亿参数模型的优化技术。其中包括量化，更新键值缓存布局，改善可变加载时间以及GPU重量共享。
Google不仅在ELO分数上，而且还与其前身Gemma 2及其封闭源的Gemini模型在LiveCodeBench等各种基准上进行了比较。尽管Gemma 3的准确性通常低于Gemini 1.5和Gemini 2.0，但Google指出，尽管参数较少，但它“与封闭的Gemini模型相比表现出了竞争性能”。
Gemma 3对Gemma 2的重大升级是其更长的“上下文窗口”，从8,000个令牌扩展到128,000个令牌。这使模型可以处理诸如整个论文或书籍之类的较大文本。 Gemma 3也是多模式，能够处理文本和图像输入，与其前身不同。此外，它支持140多种语言，对Gemma 2的仅英语功能有了极大的改善。
除了这些主要功能外，Gemma 3还有其他一些有趣的方面。大型语言模型的一个问题是记住其培训数据的一部分，这可能导致隐私漏洞。 Google的研究人员为此对Gemma 3进行了测试，并发现它以比其前辈低的速度记住长篇文本，这表明保护了隐私保护。
对于那些对尼特（Nitty-Gritty）感兴趣的人，Gemma 3技术论文对模型的功能和开发提供了彻底的细分。
AI驱动的总结：YouTube视频总结完整指南
在当今快节奏的世界中，快速处理和理解信息的能力比以往任何时候都重要。YouTube拥有无尽的视频资源，是知识的宝库，但谁有时间从头到尾观看每段视频？本指南将展示如何使用AI工具总结YouTube视频，帮助你节省时间并提高生产力。通过AI驱动的总结工具，你可以迅速抓住视频要点，决定是否值得深入观看或继续下一个。让我们探索这些AI工具如何改变你的学习和保持更新的方式。关键点AI驱动的工具让你快速理解Y
AI驱动的超声波变革即时医疗评估
人工智能正在颠覆医疗领域，超声波技术也随之变革。本文探讨了AI如何转变即时超声波（POCUS）评估，使其更易获取、更高效、更准确。从优化图像采集到提升解读精度，AI将革新超声波，为各种场景带来更好的患者护理。关键要点AI简化超声波图像采集，使非专家也能轻松获取诊断质量的图像。机器学习提升超声波图像解读能力，助力更精确地发现和测量病理。得益于AI，即时超声波（POCUS）变得更易普及，可能提升资源匮
机器学习速查表：人工智能关键快速参考指南
在技术快速发展的世界中，人工智能和云计算推动创新，保持更新和准备至关重要。无论与同事讨论策略、制作教育内容，还是为面试做准备，快速获取关键信息都至关重要。这就是机器学习速查表的作用。它们不是走捷径，而是帮助唤醒记忆，复习基本概念，确保你准备好应对人工智能领域的复杂性。关键点速查表是人工智能和数据科学专业人士的重要工具。它们提供快速复习基本概念的方法。如Aqeel Anwar的速查表等资源对面试和日
2025-05-03 08:00:00
Google's Gemma 3 is pretty impressive, hitting 98% accuracy with just one GPU! 🤯 It's like they're showing off, but in a good way. Makes me wonder if I should switch to Google's tech for my projects. Definitely worth a try, right?
0
2025-05-02 08:00:00
GoogleのGemma 3は一つのGPUで98%の精度を達成するなんてすごいですね！🤯 見せびらかしているようだけど、いい意味で。自分のプロジェクトにGoogleの技術を使うべきか考えさせられます。試してみる価値はありそうですね。
0
2025-05-03 08:00:00
구글의 Gemma 3이 한 개의 GPU로 98% 정확도를 달성하다니 정말 대단해요! 🤯 자랑하는 것 같지만 좋은 의미에서요. 내 프로젝트에 구글의 기술을 사용해야 할지 고민하게 만드네요. 시도해 볼 가치가 있을 것 같아요.
0
2025-05-03 08:00:00
O Gemma 3 do Google é impressionante, atingindo 98% de precisão com apenas uma GPU! 🤯 Parece que estão se exibindo, mas de um jeito bom. Me faz pensar se devo mudar para a tecnologia do Google para meus projetos. Vale a pena tentar, né?
0
2025-05-02 08:00:00
गूगल का Gemma 3 एक ही GPU के साथ 98% सटीकता प्राप्त करना बहुत प्रभावशाली है! 🤯 ऐसा लगता है कि वे अपनी ताकत दिखा रहे हैं, लेकिन अच्छे तरीके से। मुझे सोचने पर मजबूर करता है कि क्या मुझे अपने प्रोजेक्ट्स के लिए गूगल की टेक्नोलॉजी का उपयोग करना चाहिए। निश्चित रूप से कोशिश करने लायक है, है ना?
0
