Google DeepMind推出Gemma 4等新一代AI系统，包括Gemini多模态模型（文本、图像、音频）、Veo视频生成、Imagen文生图等专业模型，提供强大的AI创作和交互能力。

Google DeepMind发布Gemma 4：基于Gemini 3技术的最强开源AI模型

Google DeepMind近日发布了其最新一代开源AI模型Gemma 4，该模型基于Gemini 3的研究和技术构建，在参数效率方面实现了重大突破。

核心特点

1. 模型规格：

   • 提供E2B/E4B（适用于移动和IoT设备）和26B/31B（适用于个人电脑）四种规模
   • E2B/E4B专为边缘计算设计，可在手机、树莓派等设备上离线运行
   • 26B/31B版本为工作站提供前沿智能，适合开发本地AI服务器

2. 技术能力：

   • 支持140种语言的多语言处理
   • 具备多模态推理能力（音频和视觉理解）
   • 支持代理工作流和函数调用
   • 提供高效的微调架构

3. 性能优势：

   • 行业领先的效率表现
   • 针对不同硬件平台优化（从移动设备到消费级GPU）

部署选项

1. 下载渠道：

   • Hugging Face
   • Ollama
   • Kaggle
   • LM Studio
   • Docker

2. 运行环境：

   • Jax
   • Vertex AI
   • Keras
   • PyTorch
   • gemma.cpp
   • Google Kubernetes Engine

安全与责任

Gemma 4采用了与Google专有模型相同的严格安全协议，为企业用户提供可信赖的AI基础架构。DeepMind强调其"负责任地构建AI以造福人类"的使命。

开发者可通过Google AI Studio体验Gemma 4，或查阅官方文档获取技术细节。

以下是评论内容的总结：

1. 性能与基准测试

• Gemma 4性能提升：Gemma 4 E4B在多项基准测试中超越Gemma 3 27B，且参数量更少（minimaxir："The Gemma 4 E4B variant beats the old 27B in every benchmark at a fraction of parameters"）。
• 与竞品对比：部分用户认为Gemma 4未达到Qwen 3.5 27B的性能（antirez："The big dense Gemma 4 model does not seem to reach Qwen 3.5 27B dense model in most benchmarks"）。

2. 开源与成本优势

• 开源许可：Apache 2.0许可和基础模型可用性受到欢迎（NitpickLawyer："Best thing is that this is Apache 2.0 (edit: and they have base models available"）。
• 成本效益：开源模型比专有模型便宜70.7%（a7om_com："Open source models like Gemma run 70.7% cheaper than proprietary equivalents"）。

3. 本地部署与移动端应用

• 本地运行：用户期待在本地设备上运行Gemma 4（VadimPR："It is fantastic to have local alternatives to frontier models in an offline manner"）。
• 移动端优化：E2B/E4B模型支持语音输入，适合移动端应用（NitpickLawyer："The mobile ones have audio in (so I can see some local privacy focused translation apps)"）。

4. 功能与多模态支持

• 多模态能力：支持语音输入和视觉任务（minimaxir："The E2B/E4B models also support voice input, which is rare"）。
• 工具调用问题：部分用户发现工具调用功能未启用（james2doyle："function/tool calling was not enabled"）。

5. 未来展望

• 开源模型前景：用户认为开源模型将在1-2年内超越闭源模型（rvz："We are at least 1 year and at most 2 years until they surpass closed models"）。
• Google的优势：Google拥有数据、硬件和专业知识等独特优势（wg0："Google might not have the best coding models (yet) but they seem to have the most intelligent and knowledgeable models"）。

6. 批评与质疑

• 基准测试误导：ELO评分作为主要基准被认为具有误导性（antirez："Featuring the ELO score as the main benchmark in chart is very misleading"）。
• 幻觉问题：在基础植物学测试中表现不佳（ceroxylon："Even with search grounding, it scored a 2.5/5 on a basic botanical benchmark"）。

7. 用户期待

• 自我托管需求：用户期待通过几次迭代后，语言模型能满足自我托管需求（originalvichy："One or two iterations, and I’ll be happy to say that language models are more than fulfilling my most common needs when self-hosting"）。