谷歌发布了专为函数调用优化的Gemma 3 270M模型FunctionGemma，并提供了训练方案。该模型针对开发者需求开发，延续了Gemma系列在开源模型领域的突破，从单加速器性能到癌症研究都有应用。

标题：FunctionGemma：为边缘设备量身打造的函数调用功能

主要内容：

谷歌发布了专为函数调用优化的Gemma 3 270M模型特别版——FunctionGemma，并提供了训练方案，帮助用户进一步提升性能。FunctionGemma旨在将自然语言转化为可执行的API操作，适用于构建快速、私密、本地的智能代理。

关键亮点：

1. 功能与对话的统一
   FunctionGemma既能生成结构化函数调用执行工具操作，又能用自然语言向用户总结结果，实现人机无缝交互。

2. 高度可定制化
   通过微调，模型在"移动操作"评估中的准确率从58%提升至85%，适合需要生产级性能的边缘代理场景。

3. 专为边缘设备设计
   模型轻量，可在NVIDIA Jetson Nano和手机等设备上运行，采用256k词表高效处理JSON和多语言输入，确保低延迟和完全隐私。

4. 广泛生态支持
   支持Hugging Face Transformers、Keras、NVIDIA NeMo等训练工具，以及LiteRT-LM、vLLM、MLX等多种部署方案。

适用场景： - 已定义API界面的应用（如智能家居、导航） - 需要微调以获得确定性行为的场景 - 注重本地处理、低延迟和数据隐私的项目 - 构建混合系统（边缘设备处理简单任务，复杂任务交由大模型）

实践案例： - 移动操作演示：通过离线模型执行"创建日历事件""打开手电筒"等手机操作 - TinyGarden游戏：用语音指令管理虚拟农场，全程在手机端运行 - 物理游乐场：浏览器内完全本地化的物理模拟解谜游戏

获取方式： - 下载：通过Hugging Face或Kaggle获取模型 - 学习：查阅函数调用模板、序列化方法和微调指南 - 体验：在Google AI Edge Gallery应用中尝试演示 - 开发：利用提供的Colab笔记本和数据集训练专属代理 - 部署：使用LiteRT-LM或Vertex AI等工具发布模型

FunctionGemma标志着从聊天机器人到行动代理的转变，将强大的AI能力带入边缘设备，开启私密、超快的本地化体验新时代。

（注：原文中部分技术链接和视频说明等非核心内容已简化，保留主要产品特性和应用场景描述）

总结评论内容：

1. 模型开发者互动

• 研究负责人表示愿意回答技术问题 "Happy to answer whatever technical questions I can!" "I'm a research lead on this model...opinions here are my own"

2. 资源分享

• 用户分享了Ollama平台链接 "Ollama link too: https://ollama.com/library/functiongemma"

3. 使用场景探讨

• 用户询问命令行工具适用性 "Do you think this would be appropriate for a command line tool..." "what's the weather in SF tomorrow? Or daily price change..."

4. 性能质疑

• 用户对85%准确率表示担忧 "I would be wary of having a LLM with 85% accuracy call tools" "Isn't that fairly far away from production-grade performance?"

5. 其他

• 用户感叹Google的发布速度 "Unbelievable shipping velocity from Google"
• 有用户进行了自我调侃 "edit: Im so dumb..."

注：所有评论均无评分显示。主要讨论围绕模型的技术支持、应用场景和性能评估展开，其中对85%准确率是否达到生产级标准存在不同看法。