Modelos abiertos de Gemma
Una familia de modelos abiertos, ligeros y de vanguardia creados a partir de la misma investigación y tecnología que se utilizaron para crear los modelos de Gemini
Diseño responsable
Estos modelos incorporan medidas de seguridad integrales para garantizar soluciones de IA responsables y confiables a través de conjuntos de datos seleccionados y un ajuste riguroso.
Rendimiento sin igual en tamaño
Los modelos de Gemma logran resultados de comparativas excepcionales en sus tamaños de 2B, 7B, 9B y 27B, incluso superan a algunos modelos abiertos más grandes.
Implementación flexible
Implementa sin problemas en dispositivos móviles, la Web y la nube con Keras, JAX, MediaPipe, PyTorch, Hugging Face y mucho más.
Prueba Gemma 2
Gemma 2, rediseñado para ofrecer un rendimiento superior y una eficiencia inigualable, se optimiza para realizar inferencias ultrarrápidas en diversos hardware.
5 tomas
MMLU
La comparativa de MMLU es una prueba que mide la amplitud del conocimiento y la capacidad de resolución de problemas que adquieren los modelos grandes de lenguaje durante el entrenamiento previo.
25 fotos
ARC-C
La comparativa de ARC-c es un subconjunto más enfocado del conjunto de datos de ARC-e, que contiene solo preguntas respondidas de forma incorrecta por algoritmos comunes (basados en la recuperación y la coocurrencia de palabras).
5 tomas
GSM8K
La comparativa GSM8K prueba la capacidad de un modelo de lenguaje para resolver problemas matemáticos a nivel de la escuela primaria que, a menudo, requieren varios pasos de razonamiento.
3 a 5 tomas
AGIEval
La comparativa de AGIEval prueba la inteligencia general de un modelo de lenguaje con preguntas derivadas de exámenes del mundo real diseñados para evaluar las habilidades intelectuales humanas.
3 fotos, CoT
BBH
La comparativa BBH (BIG-Bench Hard) se enfoca en tareas que se consideran más allá de las capacidades de los modelos de lenguaje actuales y prueba sus límites en varios dominios de razonamiento y comprensión.
3 fotos, F1
DROP
DROP es una comparativa de comprensión lectora que requiere un razonamiento discreto sobre los párrafos.
5 tomas
Winogrande
La comparativa de Winogrande prueba la capacidad de un modelo de lenguaje para resolver tareas ambiguas de completar el espacio en blanco con opciones binarias, lo que requiere un razonamiento generalizado de sentido común.
10 fotos
HellaSwag
La comparativa HellaSwag desafía la capacidad de un modelo de lenguaje para comprender y aplicar el razonamiento de sentido común seleccionando el final más lógico de una historia.
4 tomas
MATH
MATH evalúa la capacidad de un modelo de lenguaje para resolver problemas verbales matemáticos complejos, lo que requiere razonamiento, resolución de problemas de varios pasos y comprensión de conceptos matemáticos.
Sin ejemplos
ARC-e
La comparativa ARC-e prueba las habilidades avanzadas de respuesta a preguntas de un modelo de lenguaje con preguntas de ciencia de opción múltiple genuinas a nivel de la escuela primaria.
Sin ejemplos
PIQA
La comparativa de PIQA prueba la capacidad de un modelo de lenguaje para comprender y aplicar el conocimiento físico de sentido común respondiendo preguntas sobre interacciones físicas cotidianas.
Sin ejemplos
SIQA
La comparativa de SIQA evalúa la comprensión de un modelo de lenguaje de las interacciones sociales y el sentido común social mediante preguntas sobre las acciones de las personas y sus implicaciones sociales.
Sin ejemplos
Boolq
La comparativa de BoolQ prueba la capacidad de un modelo de lenguaje para responder preguntas de sí o no que ocurren de forma natural, lo que prueba la capacidad de los modelos para realizar tareas de inferencia de lenguaje natural en el mundo real.
5 tomas
TriviaQA
La comparativa de TriviaQA prueba las habilidades de comprensión lectora con triples pregunta-respuesta-evidencia.
5 tomas
NQ
La comparativa de NQ (preguntas naturales) prueba la capacidad de un modelo de lenguaje para encontrar y comprender respuestas en artículos completos de Wikipedia, simulando situaciones de respuesta a preguntas del mundo real.
pass@1
HumanEval
La comparativa HumanEval prueba las capacidades de generación de código de un modelo de lenguaje evaluando si sus soluciones pasan las pruebas de unidades funcionales para problemas de programación.
3 tomas
MBPP
La comparativa de MBPP prueba la capacidad de un modelo de lenguaje para resolver problemas básicos de programación de Python, enfocándose en los conceptos fundamentales de programación y el uso de bibliotecas estándar.
100%
75%
50%
25%
0%
100%
75%
50%
25%
0%
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
LLAMA 3
8B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
Gemma 1
2,500 millones
Gemma 2
2,600 millones
Mistral
7B
Gemma 1
7B
Gemma 2
9,000 millones
Gemma 2
27B
*Estas son las comparativas de los modelos previamente entrenados. Consulta el informe técnico para obtener detalles sobre el rendimiento con otras metodologías.
Modelos de investigación
Descubre la familia extendida de modelos de Gemma
PaliGemma 2 Nuevo
Alcance de Gemma
Explora el Gemmaverse
Un vasto ecosistema de herramientas y modelos de Gemma creados por la comunidad, listos para impulsar y, además, inspirar tu innovación
Compilación
Comienza a crear con Gemma
Implementar modelos
Elige el destino de la implementación
Dispositivos móviles
Implementa en el dispositivo con Google AI Edge
Implementa directamente en los dispositivos para obtener una funcionalidad sin conexión y de baja latencia. Ideal para aplicaciones que requieren privacidad y capacidad de respuesta en tiempo real, como apps para dispositivos móviles, dispositivos de la IoT y sistemas integrados.
Web
Integrarse sin problemas en aplicaciones web
Potencia tus sitios web y servicios web con capacidades avanzadas de IA, lo que permite funciones interactivas, contenido personalizado y automatización inteligente.
Nube
Escala sin esfuerzo con la infraestructura de nube
Aprovecha la escalabilidad y la flexibilidad de la nube para controlar implementaciones a gran escala, cargas de trabajo exigentes y aplicaciones de IA complejas.
Desbloquea la comunicación global
Únete a nuestra competencia global de Kaggle. Crea variantes del modelo de Gemma para un idioma específico o un aspecto cultural único