Gemma模型家族
Gemma模型家族旨在满足多样化的开发者需求和应用场景。目前可用的是Gemma 3模型，它提供强大的多模态能力和广泛的语言支持，并具有开发者友好的尺寸。Gemma 3n正在预览中，这是一款专为在移动、边缘计算和其他资源受限环境中实现最佳效率而设计的模型。
性能和基准测试
Gemma模型在各种行业标准基准上经过严格评估，以确保其性能和可靠性。开发者可以获取详细的技术报告和模型卡，以更深入地了解每个模型的性能特征。此外，还提供全面的文档，以指导开发者有效地在其项目中使用Gemma模型。
官方变体
Google正在积极探索Gemma模型在各个领域的创新应用。这些努力推动了几个官方变体的开发，每个变体都针对特定的用例量身定制：
MedGemma
MedGemma是一种专门的Gemma 3变体，经过精心优化，用于理解医学文本和图像。该模型旨在协助医疗保健专业人员完成诸如医学诊断、治疗计划和患者教育等任务。它能够分析医学影像，理解专业术语，并提供辅助诊断建议。MedGemma的开发为医疗领域带来了巨大的潜力，有望提高诊断效率，改善患者护理质量。例如，医生可以使用MedGemma来快速分析X光片或CT扫描，从而更准确地诊断疾病。此外，MedGemma还可以用于生成个性化的患者教育材料，帮助患者更好地了解自己的病情和治疗方案。
ShieldGemma 2
ShieldGemma 2 是一套基于Gemma 2构建的安全内容分类器模型。这些模型旨在检测 AI 模型的文本输入和输出中的有害内容，从而确保更安全、更负责任的 AI 生态系统。ShieldGemma 2 能够识别仇恨言论、网络欺凌、暴力内容等，有效防止 AI 模型被用于传播不良信息。这对于维护积极健康的在线环境至关重要。此外，ShieldGemma 2 还可以用于过滤 AI 生成的内容，确保其符合道德规范和法律法规。例如，ShieldGemma 2 可以用于检测和过滤 AI 聊天机器人生成的有害回复，防止其传播不当信息。
PaliGemma 2
PaliGemma 2 是一系列轻量级、开放的视觉语言模型，能够解释文本和图像输入。这些模型非常适合诸如图像字幕、视觉问题解答和多模态内容生成等应用。例如，PaliGemma 2 可以用于为图像生成描述性文字，帮助视障人士更好地理解图像内容。此外，PaliGemma 2 还可以用于回答有关图像的问题，例如"图像中有什么？"或"图像中发生了什么？"。更进一步，PaliGemma 2 还能够生成多模态内容，例如根据文本描述生成图像，或者根据图像生成相应的文字故事。
DataGemma
DataGemma 模型是经过微调的 Gemma 2 模型，它集成了检索技术，以将其响应建立在真实世界的数据之上。这使得这些模型能够为用户查询提供更准确、更翔实的答案。 DataGemma 通过从庞大的知识库中检索相关信息，有效地增强了其回答问题的能力。例如，当用户提问"什么是新冠病毒？"时，DataGemma 可以从最新的医学文献中检索相关信息，并提供准确详细的回答。DataGemma 还可以用于构建智能搜索引擎，根据用户的搜索查询，从互联网上检索相关信息并进行整合，从而提供更全面、更专业的搜索结果。
Gemma Scope
Gemma Scope 是一套可解释性工具，旨在帮助研究人员了解 Gemma 2 的内部工作原理。这些工具提供了对模型决策过程的深入了解，使研究人员能够识别和减轻潜在的偏见。Gemma Scope 通过可视化模型的内部状态和决策过程，帮助研究人员了解模型是如何做出预测的。这对于理解模型的局限性，发现潜在的偏见至关重要。例如，研究人员可以使用Gemma Scope 来分析模型在处理不同性别、种族或文化背景的文本时是否存在偏差。通过 Gemma Scope 发现的偏见可以用于改进模型的训练数据和算法，从而使其更加公平和公正。
CodeGemma
CodeGemma 是一系列功能强大的轻量级模型，能够执行各种编码任务。这些模型可以协助开发人员进行代码生成、代码完成和代码调试。CodeGemma 可以根据自然语言描述生成代码，从而大大提高软件开发的效率。例如，开发人员可以使用 CodeGemma 根据"创建一个可以计算两个数字之和的函数"的描述来自动生成相应的代码。此外， CodeGemma 还可以用于代码完成，根据已有的代码自动预测接下来要输入的代码。这可以帮助开发人员更快地编写出高质量的代码。CodeGemma 还可以用于代码调试，帮助开发人员发现和修复代码中的错误。
Gemma (APS)
Gemma (APS) 是一种研究工具，它利用抽象命题分割 (APS) 将复杂的文本分解为有意义的组成部分。该工具可用于分析和理解大量文本，例如法律文件和科学论文。 Gemma (APS) 通过将复杂的文本分解为更小的、更易于理解的单元，帮助研究人员更好地理解文本的含义。例如，研究人员可以使用 Gemma (APS) 来分析法律文件，从而更好地理解其中的法律条款和含义。同样，研究人员可以使用 Gemma (APS) 来分析科学论文，从而更快地了解研究的主要发现和结论。
TxGemma
TxGemma 是一系列开放模型，旨在提高治疗开发的效率。这些模型可用于加速药物发现过程并个性化治疗方案。TxGemma 通过分析大量的生物医学数据，帮助研究人员识别潜在的药物靶点，预测药物的疗效和副作用。例如，研究人员可以使用 TxGemma 来分析基因组数据，从而找到与特定疾病相关的基因。此外，TxGemma 还可以用于预测药物对不同人群的疗效，从而制定个性化的治疗方案。 TxGemma 的目标是加速药物研发的过程，降低药物研发的成本，并最终改善患者的治疗效果。
RecurrentGemma
RecurrentGemma 是一系列开放模型，它利用一种新颖的循环架构来更快地处理长序列。这使得这些模型非常适合诸如自然语言处理和时间序列分析之类的任务。RecurrentGemma 采用了循环神经网络的结构，能够有效地处理长期的依赖关系。这使其在处理长文本、语音信号和时间序列数据方面具有独特的优势。例如，RecurrentGemma 可以用于对文章进行摘要生成，或者对语音信号进行识别。RecurrentGemma 还可以用于预测股票价格的走势，或者预测天气变化。
Gemma入门指南
Gemma模型受到各种流行框架和平台的广泛支持，使开发人员可以轻松地将其集成到他们的项目中。
Gemma Cookbook
Gemma Cookbook 是一个 GitHub 存储库，它提供快速入门指南和代码示例，以帮助开发人员开始使用 Gemma 模型。该存储库对于所有技能水平的开发人员来说都是宝贵的资源。Gemma Cookbook 提供了大量的代码示例，涵盖了各种不同的应用场景。开发人员可以参考这些代码示例来学习如何使用 Gemma 模型，并将其应用到自己的项目中。Gemma Cookbook 还提供了详细的文档，解释了 Gemma 模型的原理和使用方法。
开发者活动
Google 定期举办开发者活动，例如开发者日和 I/O 会议，他们在这些活动中分享更新并强调使用其开放模型的开发人员的新机会。这些活动是了解 Gemma 的最新进展并与其他开发者联系的好方法。
使用 Gemma 3 构建智能代理
Gemma 3 非常适合开发智能代理。其核心组件促进了代理的创建，包括用于功能调用、计划和推理的能力。 Gemma 3 的强大功能和灵活性使其成为构建各种智能代理的理想选择。例如，可以使用 Gemma 3 构建聊天机器人、虚拟助手和自动化工具。Gemma 3 的核心组件包括自然语言理解模块、对话管理模块和行动执行模块。这些模块协同工作，使智能代理能够理解用户的意图，生成合适的回复，并执行相应的操作。
Gemma 3 架构和设计
Gemma 3 的设计突破了使模型可用和实用的极限。它的架构针对性能、效率和易用性进行了优化。 Gemma 3 采用了模块化的设计，各个模块之间可以独立开发和维护。 Gema 3的架构包括嵌入层、Transformer层、输出层等关键组件。此外，Gemma 3 还采用了各种优化技术，例如量化和剪枝，以提高模型的性能和效率。
欢迎使用 Gemma 3
Gemma 3 代表了 Google 轻量级、最先进的开放模型系列的最新进展。它为构建 AI 应用程序提供了一个强大而多功能的平台。 Gemma 3 具有以下优点：高性能、高效率、易用性、多语言支持、多模态能力。无论您是经验丰富的 AI 专家，还是刚刚入门的初学者， Gemma 3 都能满足您的需求。
深入了解 Gemma 3
Gemma 研究团队揭示了 Google 轻量级、最先进的开放模型系列背后的架构、设计原则和创新，从而深入了解了推动这些进步的尖端技术。 Gemma 3 的成功离不开设计团队的精益求精和不断创新。设计团队不仅注重模型的性能，还注重模型的易用性和可扩展性。通过深入了解 Gemma 3 的架构和设计原则，开发人员可以更好地利用 Gemma 3 的潜力，构建出更强大的 AI 应用。
真正的多语言 Gemma 3
多语言 AI 应用程序对于覆盖全球受众至关重要。 Gemma 3 提供了改进的多语言功能，使开发人员可以更轻松地构建可供世界各地的人们使用的应用程序。 Gemma 3 支持包括英语、中文、西班牙语、法语、德语、日语、韩语、阿拉伯语、葡萄牙语、俄语等多种语言。 Gemma 3 的多语言能力使其能够理解和生成多种语言的文本。这使开发人员能够构建服务全球用户的应用程序。例如，可以使用 Gemma 3 构建多语言聊天机器人，多语言翻译器和多语言信息检索系统。
探索 Gemmaverse
Gemmaverse 是一个由社区创建的 Gemma 模型和工具组成的广阔生态系统。该生态系统为开发者提供了丰富的资源，激发他们的想象力并驱动创新。 Gemmaverse 为开发人员提供了各种资源，包括预训练模型、工具包、教程和社区支持。开发人员可以根据自己的需求选择合适的资源，并将其应用到自己的项目中。 Gemmaverse 的目标是促进 Gemma 模型的普及和发展，并鼓励开发人员使用 Gemma 模型构建创新的 AI 应用。
负责任的 AI
Google 致力于负责任地构建 AI，以造福人类。他们正在积极努力确保 Gemma 模型以安全和道德的方式使用。 Google 认为， AI 应该以人为本，尊重人权，并促进社会公平。 Google 致力于开发安全可靠的 AI 系统，并防止 AI 被滥用。 为了实现这些目标， Google 制定了一系列 AI 伦理原则，并成立了专门的团队来负责 AI 安全和伦理方面的工作。
下一代 AI 系统
Gemma 模型是 Google 下一代 AI 系统的一部分。这些系统旨在比上一代系统更强大、更高效、更可靠。 Google 下一代 AI 系统将采用更先进的算法和架构，并利用更大的数据集进行训练。 Google 下一代 AI 系统将能够执行更复杂的任务，并提供更准确的结果。 Google 下一代 AI 系统将广泛应用于各个领域，包括医疗、交通、教育和金融。
用于发现的 AI
Google 正在使用 AI 来开启发现的新时代。 Gemma 模型正在用于加速医学、材料科学和气候变化等各个领域的研究。利用 AI 技术可以加速药物发现过程，提高诊断精度，并预测气候变化的影响。 Google 相信， AI 可以帮助人类解决世界上最紧迫的问题，并创造一个更美好的未来。
Gemma 3n：移动优先的 AI
预览
Gemma 3n 是一种最先进的移动优先模型，目前处于早期预览阶段。
Gemma 3n 专为响应迅速、低占用空间的本地推理而设计，从而为新一波智能、移动应用程序提供支持。该模型旨在将 AI 的强大功能带到移动设备，使开发人员能够创建可以直接在用户手机和平板电脑上运行的创新应用程序。
功能
Gemma 3n 拥有一系列先进的功能，使其非常适合移动应用程序：
多模态理解
Gemma 3n 分析并响应组合的图像和文本，未来版本计划支持视频和音频。这使开发人员可以创建能够理解和与周围世界互动的应用程序。例如，Gemma 3n可以用于图像识别、语音识别、自然语言处理等任务。Gemma 3n 的多模态理解能力使其能够更好地理解用户的意图，并提供更个性化的服务。
隐私优先、离线就绪
Gemma 3n 能够创建智能、交互式功能，这些功能优先考虑用户隐私并可靠地离线运行。这对于需要在网络连接有限或没有网络连接的区域运行的移动应用程序至关重要。例如，Gemma 3n可以用于离线翻译、离线语音识别、离线图像识别等任务。Gemma 3n 的隐私优先和离线就绪特性使其成为构建安全可靠的移动应用的理想选择
优化的设备端性能
Gemma 3n 拥有移动优先的架构，内存占用空间大大减少。这种优化是 Google 的移动硬件团队和行业领导者之间共同设计的结果，确保模型在移动设备上高效运行。Gemma 3n 采用了一系列优化策略，例如量化、剪枝和压缩，以降低模型的内存占用空间和计算复杂度。这使得Gemma 3n 能够在低功耗的移动设备上运行，并提供流畅的用户体验。
动态资源使用
Gemma 3n 具有 4B 的活动内存占用空间，并能够创建子模型以进行质量延迟权衡。这允许开发人员根据其应用程序的特定要求微调模型的性能。这种动态重新分配确保了应用程序的响应性，即使在处理复杂的 AI 计算时也是如此。 Gemma 3n 可以根据不同的应用场景，动态地调整模型的规模和配置，从而实现最佳的性能。例如，对于需要快速响应的应用场景，可以使用较小的子模型，以降低延迟。而对于需要高精度的应用场景，可以使用较大的子模型，以提高准确率。
开始使用 Gemma 3n 构建
Gemma 3n 为构建强大而创新的设备端 AI 应用程序提供了坚实的基础，从而推动了移动 AI 领域可能性的边界。它的多模态理解使其成为一种多功能的工具，可以应用于各种环境，从辅助可访问性到复杂的实时数据分析。它的离线功能和以隐私为中心的架构解决了关键问题，使用户可以在不损害数据的情况下从 AI 中受益。它的效率和动态缩放功能完善了适合移动开发及其他领域的 AI 引擎的概况。