Gemma 4

Các mô hình Gemma 4 được thiết kế để mang lại hiệu suất ở cấp độ tiên tiến cho từng kích thước, nhắm đến các trường hợp triển khai từ thiết bị di động và thiết bị biên (E2B, E4B) đến GPU và máy trạm tiêu dùng (26B A4B, 31B). Các mô hình này rất phù hợp với hoạt động suy luận, quy trình làm việc dựa trên tác nhân, lập trình và hiểu biết đa phương thức.

Gemma 4 được cấp phép theo giấy phép Apache-2.0. Để biết thêm thông tin chi tiết, hãy xem Thẻ mô hình Gemma 4.

Bắt đầu

Trò chuyện với Gemma4-E2B, được lưu trữ trên Cộng đồng Hugging Face LiteRT.

uv tool install litert-lm

litert-lm run  \
  --from-huggingface-repo=litert-community/gemma-4-E2B-it-litert-lm \
  gemma-4-E2B-it.litertlm \
  --prompt="What is the capital of France?"

Triển khai từ Safetensors

Làm theo các bước sau để triển khai Gemma 4 bắt đầu từ safetensors tuỳ chỉnh của bạn (ví dụ: sau khi tinh chỉnh mô hình cho trường hợp sử dụng của bạn):

  • Chuyển đổi sang định dạng .litertlm:

    uv tool install litert-torch-nightly

litert-torch export_hf \
  --model=google/gemma-4-E2B-it \
  --output_dir=/tmp/gemma4_2b \
  --externalize_embedder \
  --jinja_chat_template_override=litert-community/gemma-4-E2B-it-litert-lm

  • Triển khai bằng API đa nền tảng LiteRT-LM:

    litert-lm run  \
  /tmp/gemma4_2b/model.litertlm \
  --prompt="What is the capital of France?"

Tóm tắt hiệu suất

Gemma-4-E2B

  • Kích thước mô hình: 2,58 GB

  • Bạn có thể xem thêm thông tin kỹ thuật trong thẻ mô hình HuggingFace

    Nền tảng (Thiết bị) Phụ trợ Điền sẵn (tk/s) Giải mã (tk/s) Thời gian cho mã thông báo đầu tiên (giây) Bộ nhớ CPU cao nhất (MB)
    Android (S26 Ultra) CPU 557 47 1,8 1733
    GPU 3808 52 0,3 676
    iOS (iPhone 17 Pro) CPU 532 25 1.9 607
    GPU 2878 56 0,3 1450
    Linux (Arm 2,3 và 2,8 GHz, NVIDIA GeForce RTX 4090) CPU 260 35 4 1628
    GPU 11234 143 0,1 913
    macOS (MacBook Pro M4) CPU 901 42 1.1 736
    GPU 7835 160 0,1 1623
    IoT (Raspberry Pi 5 16GB) CPU 133 8 7.8 1546

Gemma-4-E4B

  • Kích thước mô hình: 3,65 GB

  • Bạn có thể xem thêm thông tin kỹ thuật trong thẻ mô hình HuggingFace

    Nền tảng (Thiết bị) Phụ trợ Điền sẵn (tk/s) Giải mã (tk/s) Thời gian cho mã thông báo đầu tiên (giây) Bộ nhớ CPU cao nhất (MB)
    Android (S26 Ultra) CPU 195 18 5.3 3283
    GPU 1293 22 0,8 710
    iOS (iPhone 17 Pro) CPU 159 10 6,5 961
    GPU 1189 25 0,9 3380
    Linux (Arm 2.3 và 2.8GHz / RTX 4090) CPU 82 18 12,6 3139
    GPU 7260 91 0,2 1119
    macOS (MacBook Pro M4 Max) CPU 277 27 3.7 890
    GPU 2560 101 0,4 3217
    IoT (Raspberry Pi 5 16GB) CPU 51 3 20,5 3069