Sprawdź repozytorium Gemma Cookbook, aby poznać przykłady generowania i dostrajania. Więcej informacji

Ta strona została przetłumaczona przez Cloud Translation API.

Gemma Open Models

Rodzina lekkiego, nowoczesnego modelu otwartego stworzonego na podstawie tych samych badań i technologii, które posłużyły do stworzenia modeli Gemini

Rozpocznij

Odpowiedzialna konstrukcja

Dzięki kompleksowym środkom bezpieczeństwa modele te pomagają zapewnić odpowiedzialne i godne zaufania rozwiązania AI dzięki starannie dobranym zbiorom danych i rygorystycznej regulacji.

Niezrównana wydajność

Modele Gemma osiągają wyjątkowe wyniki w przypadku rozmiarów 2B, 7B, 9B i 27B, a nawet przewyższają wyniki niektórych większych otwartych modeli.

Elastyczna struktura

Keras 3.0 zapewnia pełną zgodność z JAX, TensorFlow i PyTorchem, pozwalając na łatwe wybieranie i przełączanie platform zależnie od zadania.

Przedstawiamy
Gemma 2

Gemma 2 została zaprojektowana z myślą o wyjątkowej wydajności i niespotykanej efektywności. Optymalizuje szybkie wnioskowanie na różnych rodzajach sprzętu.

Wypróbuj Gemma 2 w Google AI Studio

5-shot

MMLU

Test porównawczy MMLU to test mający na celu ocenę zakresu wiedzy i umiejętności rozwiązywania problemów nabytych przez duże modele językowe podczas wstępnego trenowania.

25-shot

ARC-C

Test porównawczy ARC-c to bardziej precyzyjny podzbiór zbioru danych ARC-e, który zawiera tylko pytania, na które często udzielono odpowiedzi niewłaściwie za pomocą typowych algorytmów (wywołania baz danych i wspólnego występowania słów).

5 strzałów

GSM8K

Test porównawczy GSM8K sprawdza zdolność modelu językowego do rozwiązywania zadań matematycznych na poziomie szkoły podstawowej, które często wymagają kilkuetapowego rozumowania.

3–5 strzałów

AGIEval

Benchmark AGIEval sprawdza ogólną inteligencję modelu językowego za pomocą pytań pochodzących z egzaminów rzeczywistych, które mają na celu ocenę ludzkich zdolności intelektualnych.

3-shot, CoT

BBH

Test porównawczy BBH (BIG-Bench Hard) skupia się na zadaniach wykraczających poza możliwości obecnych modeli językowych, testując ich ograniczenia w różnych dziedzinach rozumowania i rozumienia.

3-shot, F1

UPUŚĆ

DROP to test czytania ze zrozumieniem, który wymaga logicznego myślenia na podstawie akapitów.

5-shot

Winogrande

W ramach testu porównawczego Winogrande sprawdzamy, czy model językowy potrafi rozwiązywać niejednoznaczne zadania polegające na wypełnianiu luk w tekście za pomocą opcji binarnych, co wymaga ogólnego rozumowania zdroworozsądkowego.

10 ujęć

HellaSwag

Wyzwanie HellaSwag sprawdza umiejętność modelu językowego do zrozumienia i zastosowania zdrowego rozsądku, wybierając najbardziej logiczne zakończenie historii.

4-strzałowe

MATH

MATH ocenia zdolność modelu językowego do rozwiązywania złożonych zadań tekstowych z matematyki, które wymagają rozumowania, wieloetapowego rozwiązywania problemów i rozumienia pojęć matematycznych.

0-shot

ARC-e

Test ARC-e sprawdza zaawansowane umiejętności modela językowego w zakresie udzielania odpowiedzi na pytania za pomocą autentycznych pytań z jednego z poziomów szkoły podstawowej dotyczących nauk przyrodniczych.

0-shot

PIQA

W ramach testu PIQA sprawdzamy, czy model językowy potrafi zrozumieć i zastosować wiedzę o rzeczywistości fizycznej, odpowiadając na pytania dotyczące codziennych interakcji fizycznych.

0-shot

SIQA

W ramach testu SIQA ocenia się, jak dobrze model językowy rozumie interakcje społeczne i zmysł społeczny, zadając pytania o działania ludzi i ich konsekwencje społeczne.

0-shot

Boolq

Test porównawczy BoolQ sprawdza zdolność modelu językowego do udzielania odpowiedzi na pytania typu tak/nie, testując jego zdolność do wykonywania zadań wnioskowania w języku naturalnym w rzeczywistych warunkach.

5-shot

TriviaQA

Benchmark TriviaQA sprawdza umiejętności czytania ze zrozumieniem za pomocą trójek pytanie-odpowiedź-dowód.

5-shot

W ramach testu porównawczego NQ (Natural Questions) sprawdzana jest zdolność modelu językowego do znajdowania i rozumienia odpowiedzi w całych artykułach w Wikipedii, co symuluje rzeczywiste scenariusze udzielania odpowiedzi na pytania.

pass@1

HumanEval

Test porównawczy HumanEval sprawdza możliwości generacji kodu przez model językowy, oceniając, czy jego rozwiązania przechodzą testy jednostkowe funkcjonalności dotyczące problemów z programowaniem.

3-shot

MBPP

Test MBPP sprawdza, czy model językowy potrafi rozwiązywać podstawowe problemy programistyczne w Pythonie, koncentrując się na podstawowych pojęciach programistycznych i używaniu standardowych bibliotek.

100%

75%

50%

25%

100%

75%

50%

25%

Gemma 1

2,5 MLD

42,3

Gemma 2

2,6 mln

51,3

Mistral

62,5

LLAMA 3

66,6

Gemma 1

64,4

Gemma 2

9 B

71,3

Gemma 2

27B

75,2

Gemma 1

2,5 mln

48,5

Gemma 2

2,6 mln

55,4

Mistral

60.5

LLAMA 3

59,2

Gemma 1

61.1

Gemma 2

9 B

68,4

Gemma 2

27B

71,4

Gemma 1

2,5 mln

15.1

Gemma 2

2,6 mln

23,9

Mistral

39,6

LLAMA 3

8 MLD

45,7

Gemma 1

51,8

Gemma 2

9 B

68,6

Gemma 2

27B

74,0

Gemma 1

2,5 mln

24.2

Gemma 2

2,6 mln

30,6

Mistral

44,0

LLAMA 3

45,9

Gemma 1

44,9

Gemma 2

9 B

52,8

Gemma 2

27B

55.1

Gemma 1

2,5 mln

35,2

Gemma 2

2,6 mln

41,9

Mistral

56,0

LLAMA 3

61.1

Gemma 1

59,0

Gemma 2

9 B

68,2

Gemma 2

27B

74,9

Gemma 1

2,5 mln

48,5

Gemma 2

2,6 mln

52,0

Mistral

63,8

LLAMA 3

58,4

Gemma 1

56,3

Gemma 2

9 B

69,4

Gemma 2

27B

74,2

Gemma 1

2,5 mln

66,8

Gemma 2

2,6 MLD

70,9

Mistral

7 MLD

78,5

LLAMA 3

76,1

Gemma 1

79,0

Gemma 2

9 MLD

80,6

Gemma 2

27B

83,7

Gemma 1

2,5 MLD

71,7

Gemma 2

2,6 mln

73,0

Mistral

83,0

LLAMA 3

82,0

Gemma 1

7 MLD

82,3

Gemma 2

9 B

81,9

Gemma 2

27B

86,4

Gemma 1

2,5 mln

11,8

Gemma 2

2,6 mln

15,0

Mistral

12,7

Gemma 1

24,3

Gemma 2

9 B

36,6

Gemma 2

27 MLD

42,3

Gemma 1

2,5 mln

73,2

Gemma 2

2,6 mln

80,1

Mistral

80,5

Gemma 1

81,5

Gemma 2

9 B

88,0

Gemma 2

27B

88,6

Gemma 1

2,5 mln

77,3

Gemma 2

2,6 mln

77,8

Mistral

7 MLD

82,2

Gemma 1

81,2

Gemma 2

9 B

81,7

Gemma 2

27B

83,2

Gemma 1

2,5 mln

49,7

Gemma 2

2,6 mln

51,9

Mistral

7 MLD

47,0

Gemma 1

51,8

Gemma 2

9 B

53,4

Gemma 2

27B

53,7

Gemma 1

2,5 mln

69,4

Gemma 2

2,6 mln

72,5

Mistral

83,2

Gemma 1

7 MLD

83,2

Gemma 2

9 MLD

84,2

Gemma 2

27B

84,8

Gemma 1

2,5 MLD

53,2

Gemma 2

2,6 mln

59,4

Mistral

62,5

Gemma 1

7 MLD

63,4

Gemma 2

9 MLD

76,6

Gemma 2

27B

83,7

Gemma 1

2,5 mln

12,5

Gemma 2

2,6 mln

16,7

Mistral

23,2

Gemma 1

23,0

Gemma 2

9 MLD

29,2

Gemma 2

27B

34,5

Gemma 1

2,5 mln

22,0

Gemma 2

2,6 mln

17,7

Mistral

7 MLD

26,2

Gemma 1

7 MLD

32,3

Gemma 2

9 B

40,2

Gemma 2

27B

51,8

Gemma 1

2,5 MLD

29,2

Gemma 2

2,6 mln

29,6

Mistral

40,2

Gemma 1

44,4

Gemma 2

9 B

52,4

Gemma 2

27B

62,6

*To punkty odniesienia dla wstępnie wytrenowanych modeli. Szczegółowe informacje o wydajności w przypadku innych metod znajdziesz w raporcie technicznym.

Przeczytaj raport techniczny

Rodzina modeli Gemma

Nowe wydanie

Gemma 2

Gemma 2 oferuje 3 nowe, wydajne i skuteczne modele o rozmiarach 2, 9 i 27 mld parametrów, wszystkie z wbudowanymi zaawansowanymi zabezpieczeniami.

Pierwsze kroki z Hugging Face Pierwsze kroki z Kaggle

Nowe wydanie

DataGemma

DataGemma to pierwsze otwarte modele, które łączą LLM z obszernymi danymi z życia wziętymi pochodzącymi z Data Commons Google.

Pierwsze kroki na Kaggle

Gemma 1

Modele Gemma to lekkie, tekstowo-tekstowe duże modele językowe z tylko jednym dekoderem, które są trenowane na ogromnym zbiorze danych obejmującym tekst, kod i treści matematyczne na potrzeby różnych zadań związanych z przetwarzaniem języka naturalnego.

Pierwsze kroki z Kaggle

RecurrentGemma

RecurrentGemma to technicznie odrębny model, który wykorzystuje rekurencyjne sieci neuronowe i lokalną uwagę, aby zwiększyć wydajność pamięci.

Pierwsze kroki na Kaggle

PaliGemma

PaliGemma to otwarty model językowo-wizualny inspirowany PaLI-3, który wykorzystuje SigLIP i Gemma. Został zaprojektowany jako wszechstronny model do przenoszenia na potrzeby szerokiego zakresu zadań językowo-wizualnych.

Pierwsze kroki z Kaggle

CodeGemma

Korzystając z podstaw naszych oryginalnych wstępnie wytrenowanych modeli Gemma, CodeGemma zapewnia zaawansowane funkcje uzupełniania i generowania kodu w rozmiarach odpowiednich dla Twojego lokalnego komputera.

Pierwsze kroki na Kaggle

Poznaj nasze narzędzia

ShieldGemma

ShieldGemma to zestaw modeli klasyfikujących treści pod kątem bezpieczeństwa, które zostały opracowane na podstawie Gemma 2 w celu filtrowania danych wejściowych i wyjściowych modeli AI oraz ochrony użytkownika.

Zakres Gemma

Gemma Scope zapewnia badaczom niespotykaną dotąd przejrzystość procesu decyzyjnego w przypadku modeli Gemma 2.

Krótkie przewodniki dla deweloperów

Poznaj krótkie wprowadzenia w Kaggle

Odwiedź stronę modeli Kaggle, aby znaleźć krótkie wprowadzenia, przykłady kodu i dyskusje dotyczące Gemma.

Otwórz w Kaggle

trenować i wdrażać je w Google Cloud.

Gemma 2 działa najlepiej w Google Cloud, gdzie dzięki kompleksowej optymalizacji TPU zapewnia najlepszą na rynku wydajność i całkowity koszt posiadania w Vertex.

Otwórz w Vertex AI

Wypróbuj adaptację o niskim współczynniku za pomocą JAX w Keras 3

Dostosowywanie modeli Gemma do Twojej domeny i danych za pomocą wybranego przez Ciebie frameworku backendowego w Keras 3.

Otwórz w Colab

Wyświetl wszystkie krótkie wprowadzenia w dokumentacji Wyświetl wszystkie krótkie wprowadzenia

Krótkie przewodniki dla partnerów

Hugging Face

Używaj bibliotek Hugging Face Transformers i TRL do dostrajania i wykonywania zadań wnioskowania za pomocą modeli Gemma.

NVIDIA

Dostosuj modele Gemma za pomocą NVIDIA NeMo Framework i wyeksportuj je do TensorRT-LLM na potrzeby wersji produkcyjnej.

LangChain

W tym samouczku pokazujemy, jak zacząć korzystać z Gemma i LangChain w Google Cloud lub środowisku Colab.

Anyscale

Te dokumenty pokazują, jak używać Gemma za pomocą Anyscale Endpoint jako w pełni zarządzanych punktów końcowych interfejsu API.

MongoDB

Z tego artykułu dowiesz się, jak wykorzystać Gemma jako model podstawowy w potoku lub systemie generowania rozszerzonego z możliwością pobierania.

Wagi i uprzedzenia

Zapoznaj się szczegółowo z rejestrem modeli i narzędziami do uruchamiania firmy W&B, podając szczegółowy przykład z wykorzystaniem modeli Gemma od Google.

Gemma Cookbook

Poznaj kolekcję praktycznych receptur i przykładów, które pokazują potencjał i wszechstronność Gemma do wykonywania takich zadań jak dodawanie podpisów do obrazów za pomocą PaliGemma, generowanie kodu za pomocą CodeGemma czy tworzenie chatbotów za pomocą dopracowanych modeli Gemma.

Gotowanie

Korzystanie z modeli Gemma już dziś

Modele Kaggle

Uzyskaj dostęp do modeli Gemma 2 w Kaggle

Baza modeli Vertex AI

Dostosowywanie Gemma 2 za pomocą własnych danych

Modele Hugging Face

Dostęp do Gemma, dostosowywanie i wdrażanie

Odpowiedzialny rozwój AI

Odpowiedzialność w fazie projektowania

Są wstępnie wytrenowane na podstawie starannie dobranych danych oraz zoptymalizowane pod kątem bezpieczeństwa, co pomaga w bezpiecznym i odpowiedzialnym rozwijaniu AI z wykorzystaniem modeli Gemma.

Rzetelna i przejrzysta ocena

Kompleksowe oceny i przejrzyste raporty ujawniają ograniczenia modelu, aby umożliwić odpowiedzialne podejście do każdego przypadku użycia.

Odpowiedzialny rozwój

Zestaw narzędzi odpowiedzialnej generatywnej AI pomaga programistom projektować i wdrażać sprawdzone metody dotyczące odpowiedzialnej AI.

Poznaj zestaw narzędzi do tworzenia odpowiedzialnej generatywnej AI

Zoptymalizowane pod kątem Google Cloud

Dzięki modelom Gemma w Google Cloud możesz szczegółowo dostosować model do swoich potrzeb za pomocą w pełni zarządzanych narzędzi Vertex AI lub opcji samodzielnego zarządzania GKE i wdrożyć go w elastycznej i opłacalnej infrastrukturze zoptymalizowanej pod kątem AI.

Więcej informacji znajdziesz na blogu Google Cloud

Przyspieszanie badań akademickich dzięki środkom w Google Cloud

W ramach programu Academic Research Program niedawno zakończyliśmy przyjmowanie zgłoszeń. Współpracujący z nami badacze, którzy korzystają z modeli Gemma, otrzymali środki na Google Cloud. Cieszymy się, że dzięki tej inicjatywie powstają przełomowe badania.

Zachęcamy do śledzenia informacji o kolejnych możliwościach korzystania z Google Cloud do rozwijania badań.

Dołącz do społeczności

Nawiązuj kontakty, poznawaj i udostępniaj swoją wiedzę innym członkom społeczności modeli ML.

Gemma Open Models

Odpowiedzialna konstrukcja

Niezrównana wydajność

Elastyczna struktura

Przedstawiamy
Gemma 2

Rodzina modeli Gemma

Gemma 2

DataGemma

Gemma 1

RecurrentGemma

PaliGemma

CodeGemma

Poznaj nasze narzędzia

Krótkie przewodniki dla deweloperów

Poznaj krótkie wprowadzenia w Kaggle

trenować i wdrażać je w Google Cloud.

Wypróbuj adaptację o niskim współczynniku za pomocą JAX w Keras 3

Krótkie przewodniki dla partnerów

Gemma Cookbook

Korzystanie z modeli Gemma już dziś

Odpowiedzialny rozwój AI

Zoptymalizowane pod kątem Google Cloud

Przyspieszanie badań akademickich dzięki środkom w Google Cloud

Dołącz do społeczności

Kaggle

Discord

Blog

Gemma Open Models

Odpowiedzialna konstrukcja

Niezrównana wydajność

Elastyczna struktura

Przedstawiamy Gemma 2

Rodzina modeli Gemma

Gemma 2

DataGemma

Gemma 1

RecurrentGemma

PaliGemma

CodeGemma

Poznaj nasze narzędzia

Krótkie przewodniki dla deweloperów

Poznaj krótkie wprowadzenia w Kaggle

trenować i wdrażać je w Google Cloud.

Wypróbuj adaptację o niskim współczynniku za pomocą JAX w Keras 3

Krótkie przewodniki dla partnerów

Gemma Cookbook

Korzystanie z modeli Gemma już dziś

Odpowiedzialny rozwój AI

Zoptymalizowane pod kątem Google Cloud

Przyspieszanie badań akademickich dzięki środkom w Google Cloud

Dołącz do społeczności

Kaggle

Discord

Blog

Przedstawiamy
Gemma 2