משפחת המודלים הפתוחים של Gemma כוללת מגוון גדלים, יכולות וריאציות ייעודיות למשימות של מודלים, שיעזרו לכם ליצור פתרונות גנרטיביים מותאמים אישית.
אלה הדרכים העיקריות שבהן אפשר להשתמש במודלים של Gemma באפליקציה:
בוחרים מודל ופורסים אותו כפי שהוא באפליקציה
בוחרים מודל, משנים אותו כדי להתאים אותו למשימה ספציפית, ואז פורסים אותו באפליקציה או משתפים אותו עם הקהילה.
המדריך הזה יעזור לכם להתחיל לבחור מודל, לבדוק את היכולות שלו, ואם רוצים, לכוונן את המודל שבחרתם לאפליקציה.
בקטע הזה נסביר על הווריאנטים הרשמיים של משפחת המודלים של Gemma ונלמד איך לבחור מודל לאפליקציה שלכם. וריאציות המודל מספקות יכולות כלליות או מתמחות במשימות ספציפיות, והן זמינות בגדלים שונים של פרמטרים כדי שתוכלו לבחור מודל עם היכולות המועדפות עליכם שתואמות לדרישות המחשוב שלכם.
רשימת הדגמים של Gemma
בטבלה הבאה מפורטים הווריאנטים העיקריים של משפחת המודלים של Gemma ופלטפורמות הפריסה הייעודיות שלהם:
כדי לבדוק מודלים של Gemma, צריך להגדיר סביבת פיתוח עם מודל שהורדתם ותוכנה תומכת. לאחר מכן תוכלו להנחות את המודל ולבדוק את התשובות שלו. אפשר להשתמש באחד מה-notebooks הבאים ב-Python עם מסגרת למידת המכונה המועדפת עליכם כדי להגדיר סביבה לבדיקה ולהפעיל מודל Gemma:
אפשר לבדוק את Gemma במהירות בלי להגדיר סביבת פיתוח באמצעות Google AI Studio. אפליקציית האינטרנט הזו מאפשרת לכם לנסות את ההנחיות של Gemma ולהעריך את היכולות שלה.
אתם יכולים לשנות את ההתנהגות של מודלים של Gemma על ידי ביצוע כוונון שלהם. כדי לכוונן מודל, צריך מערך נתונים של תגובות צפויות ומשתני קלט בגודל ובשונות מספיקים כדי להנחות את התנהגות המודל. בנוסף, נדרשים משאבי מחשוב וזיכרון משמעותיים יותר כדי להשלים הרצה של כוונון בהשוואה להרצה של מודל Gemma ליצירת טקסט. אפשר להשתמש באחד מהיומנים הבאים ב-Python כדי להגדיר סביבה לפיתוח של כוונון ולכוונן מודל Gemma:
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2025-06-03 (שעון UTC)."],[],[],null,["# Get started with Gemma models\n\nThe Gemma family of open models includes a range of model sizes, capabilities,\nand task-specialized variations to help you build custom generative solutions.\nThese are the main paths you can follow when using Gemma models in an\napplication:\n\n- Select a model and **deploy it as-is** in your application\n- Select a model, **tune it for a specific task**, and then deploy it in an application, or share it with the community.\n\nThis guide helps you get started with [picking](#pick) a model, [testing](#test)\nits capabilities, and optionally, [tuning](#tune) the model you selected for\nyour application.\n| **Tip:** As you begin implementing AI applications, make sure your are following a principled approach to AI that serves all your users with the [Responsible Generative AI Toolkit](/responsible).\n\n[Try Gemma 3](https://aistudio.google.com/prompts/new_chat?model=gemma-3-27b-it)\n[Get it on Kaggle](https://www.kaggle.com/models?query=gemma3&publisher=google)\n[Get it on Hugging Face](https://huggingface.co/models?search=google/gemma-3)\n\nPick a model\n------------\n\nThis section helps you understand the official variants of the Gemma model\nfamily and select a model for your application. The model variants provide\ngeneral capabilities or are specialized for specific tasks, and are provided\nin different parameter sizes so you can pick a model that has your preferred\ncapabilities and meets your compute requirements.\n| **Tip:** A good place to start is the [Gemma 3 4B](https://www.kaggle.com/models/google/gemma-3) model in the latest available version, which can be used for many tasks and has lower resource requirements.\n\n### Gemma models list\n\nThe following table lists the major variants of the Gemma model family and their\nintended deployment platforms:\n\n| **Parameter size** | **Input** | **Output** | **Variant** | **Foundation** | **Intended platforms** |\n|--------------------|---------------------|------------|-------------------------------------------------------------------------|---------------------------------------------|-------------------------------------------|\n| 270M | Text | Text | - [Gemma 3 (core)](/gemma/docs/core) | [Gemma 3](/gemma/docs/core/model_card_3) | Mobile devices and single board computers |\n| 1B | Text | Text | - [Gemma 3 (core)](/gemma/docs/core) | [Gemma 3](/gemma/docs/core/model_card_3) | Mobile devices and single board computers |\n| E2B | Text, images, audio | Text | - [Gemma 3n](/gemma/docs/gemma-3n) | [Gemma 3n](/gemma/docs/gemma-3n/model_card) | Mobile devices |\n| 2B | Text | Text | - [Gemma 2 (core)](/gemma/docs/core) | [Gemma 2](/gemma/docs/core/model_card_2) | Mobile devices and laptops |\n| 2B | Text | Text | - [Gemma (core)](/gemma/docs/core) - [CodeGemma](/gemma/docs/codegemma) | [Gemma 1](/gemma/docs/core/model_card) | Mobile devices and laptops |\n| 3B | Text, images | Text | - [PaliGemma 2](/gemma/docs/paligemma) | [Gemma 2](/gemma/docs/core/model_card_2) | Desktop computers and small servers |\n| E4B | Text, images, audio | Text | - [Gemma 3n](/gemma/docs/gemma-3n) | [Gemma 3n](/gemma/docs/gemma-3n/model_card) | Mobile devices and laptops |\n| 4B | Text, images | Text | - [Gemma 3 (core)](/gemma/docs/core) | [Gemma 3](/gemma/docs/core/model_card_3) | Desktop computers and small servers |\n| 7B | Text | Text | - [Gemma (core)](/gemma/docs/core) - [CodeGemma](/gemma/docs/codegemma) | [Gemma 1](/gemma/docs/core/model_card) | Desktop computers and small servers |\n| 9B | Text | Text | - [Gemma 2 (core)](/gemma/docs/core) | [Gemma 2](/gemma/docs/core/model_card_2) | Higher-end desktop computers and servers |\n| 10B | Text, images | Text | - [PaliGemma 2](/gemma/docs/paligemma) | [Gemma 2](/gemma/docs/core/model_card_2) | Higher-end desktop computers and servers |\n| 12B | Text, images | Text | - [Gemma 3 (core)](/gemma/docs/core) | [Gemma 3](/gemma/docs/core/model_card_3) | Higher-end desktop computers and servers |\n| 27B | Text, images | Text | - [Gemma 3 (core)](/gemma/docs/core) | [Gemma 3](/gemma/docs/core/model_card_3) | Large servers or server clusters |\n| 27B | Text | Text | - [Gemma 2 (core)](/gemma/docs/core) | [Gemma 2](/gemma/docs/core/model_card_2) | Large servers or server clusters |\n| 28B | Text, images | Text | - [PaliGemma 2](/gemma/docs/paligemma) | [Gemma 2](/gemma/docs/core/model_card_2) | Large servers or server clusters |\n\nThe Gemma family of models also includes special-purpose and research models,\nincluding\n[ShieldGemma](/gemma/docs/shieldgemma),\n[DataGemma](/gemma/docs/datagemma),\n[Gemma Scope](/gemma/docs/gemmascope),\nand\n[Gemma-APS](/gemma/docs/gemma-aps).\n| **Tip:** You can download official Google Gemma model variants and community-created variants from [Kaggle Models](https://www.kaggle.com/models?query=gemma) and [Hugging Face](https://huggingface.co/models?search=google/gemma).\n\nTest models\n-----------\n\nYou can test Gemma models by setting up a development environment with a\ndownloaded model and supporting software. You can then prompt the model and\nevaluate its responses. Use one of the following Python notebooks with your\npreferred machine learning framework to set up a testing environment and prompt\na Gemma model:\n\n- [Inference with Keras](./core/keras_inference)\n- [Inference with PyTorch](./core/pytorch_gemma)\n- [Inference with Gemma library](./core/gemma_library)\n\n### Test Gemma 3 in AI Studio\n\nYou can quickly test Gemma without setting up a development environment using\nGoogle AI Studio. This web application lets you try out prompts with Gemma\nand evaluate its capabilities.\n\nTo try Gemma 3 in Google AI Studio:\n\n1. Open [AI Studio](https://aistudio.google.com/prompts/new_chat?model=gemma-3-27b-it).\n\n2. In the **Run settings** panel on the right side, in the **Model** field,\n select a different size **Gemma** model.\n\n3. At the bottom of the center panel, type a prompt, and select **Run**.\n\nFor more information about using AI Studio, see the\n[Google AI Studio quickstart](/gemini-api/docs/ai-studio-quickstart).\n\nTune models\n-----------\n\nYou can change the behavior of Gemma models by performing tuning on them. Tuning\na model requires a dataset of inputs and expected responses of sufficient size\nand variation to guide the behavior of the model. You also need significantly\nmore computing and memory resources to complete a tuning run compared to running\na Gemma model for text generation. Use one of the following Python notebooks to\nset up a tuning development environment and tune a Gemma model:\n\n- [Tune Gemma with Keras and LoRA tuning](./core/lora_tuning)\n- [Tune larger Gemma models with distributed training](./core/distributed_tuning)\n\nNext Steps\n----------\n\nCheck out these guides for building more solutions with Gemma:\n\n- [Create a chatbot with Gemma](./gemma_chat)\n- [Deploy Gemma to production with Vertex AI](https://cloud.google.com/vertex-ai/generative-ai/docs/open-models/use-gemma)\n- [Use Genkit with Ollama and Gemma](https://firebase.google.com/docs/genkit/plugins/ollama)"]]
