Gemma ओपन मॉडल

यह लाइटवेट और बेहतरीन ओपन मॉडल है. इन्हें Gemini मॉडल बनाने में इस्तेमाल की गई रिसर्च और टेक्नोलॉजी का इस्तेमाल करके बनाया गया है

शुरू करना
ज़िम्मेदार डिज़ाइन से जुड़े आइकॉन

डिज़ाइन के हिसाब से ज़िम्मेदार

सुरक्षा के बड़े उपायों को शामिल करके, ये मॉडल चुनिंदा डेटासेट और बेहतर ट्यूनिंग के ज़रिए, एआई (AI) के बेहतर और भरोसेमंद समाधान पाने में मदद करते हैं.

मेल न खाने वाली परफ़ॉर्मेंस का आइकॉन

आकार के हिसाब से बेजोड़ परफ़ॉर्मेंस

Gemma मॉडल अपने 2B, 7B, 9B, और 27B साइज़ में बेहतरीन मानक नतीजे हासिल करते हैं. भले ही, ये बड़े ओपन मॉडल की परफ़ॉर्मेंस से बेहतर परफ़ॉर्म करते हों.

फ़्रेमवर्क सुविधाजनक

फ़्रेमवर्क सुविधाजनक

Keras 3.0 के साथ, JAX, TensorFlow, और PyTorch के साथ आसानी से काम करने का आनंद लें. इससे आपको अपने टास्क के हिसाब से आसानी से फ़्रेमवर्क चुनने और उनमें बदलाव करने में मदद मिलेगी.

पेश है
Gemma 2

शानदार परफ़ॉर्मेंस और बेहतरीन परफ़ॉर्मेंस के लिए, Gemma 2 को फिर से डिज़ाइन किया गया है. यह अलग-अलग तरह के हार्डवेयर के लिए, तेज़ी से अनुमान लगाने में मदद करता है.

Google AI Studio में Gemma 2 आज़माएं

5-शॉट

MMLU

MMLU मानदंड एक ऐसा टेस्ट है जिससे पता चलता है कि प्री-ट्रेनिंग के दौरान, बड़े लैंग्वेज मॉडल ने कितनी जानकारी हासिल की है और समस्या का हल निकालने की कितनी क्षमता है.

25-शॉट

ARC-C

ARC-c बेंचमार्क, ARC-e डेटासेट का ज़्यादा फ़ोकस वाला सबसेट है. इसमें सिर्फ़ ऐसे सवाल शामिल हैं जिनके जवाब सामान्य (डेटा पाने का आधार और शब्द के साथ आने) वाले एल्गोरिदम का गलत तरीके से दिए गए हैं.

5-शॉट

जीएसएम8के

GSM8K बेंचमार्क, ग्रेड-स्कूल के गणित के सवालों को हल करने में भाषा के मॉडल की क्षमता का परीक्षण करता है, जिसमें अक्सर रीज़निंग के कई चरणों की ज़रूरत होती है.

3-5-शॉट

AGIEval

एजीआईईवल बेंचमार्क में, भाषा के मॉडल के सामान्य इंटेलिजेंस की जांच की जाती है. इसके लिए, असल दुनिया की परीक्षाओं से मिले सवालों का इस्तेमाल किया जाता है, जो इंसानों की बौद्धिक क्षमताओं का आकलन करने के लिए डिज़ाइन किए गए हैं.

3-शॉट, CoT

BBH

BBH (बिग-बेंच हार्ड) बेंचमार्क, उन कामों पर फ़ोकस करता है जो भाषा के मौजूदा मॉडल की क्षमताओं से परे माने जाते हैं. साथ ही, इसमें अलग-अलग रीज़निंग और समझ वाले डोमेन की सीमाओं की जांच की जाती है.

3-शॉट, F1

नीचे झुक जाएं

DROP, पढ़ने और समझने की क्षमता का मानदंड है. इसके लिए पैराग्राफ़ के तौर पर, अलग-अलग तर्क की ज़रूरत होती है.

5-शॉट

विनोग्रांडे

विनोग्रांडे बेंचमार्क, बाइनरी विकल्पों की मदद से मुश्किल भरे कामों को पूरा करने में भाषा के मॉडल की क्षमता का परीक्षण करता है, जिसके लिए सामान्य सामान्य सामान्य तर्क की ज़रूरत होती है.

10-शॉट

HellaSwag

HellaSwag बेंचमार्क किसी कहानी के सबसे तार्किक अंत को चुनकर, सामान्य ज्ञान से जुड़े तर्क को समझने और उसे लागू करने की भाषा मॉडल की क्षमता को चुनौती देता है.

4-शॉट

गणित

MATH, गणित के जटिल शब्द सवालों को हल करने में भाषा के मॉडल की क्षमता का आकलन करता है. इसमें तर्क के साथ, कई चरणों में सवाल हल करना, और गणित के सिद्धांतों को समझना ज़रूरी है.

0-शॉट

ARC-e

ARC-e बेंचमार्क की टेक्नोलॉजी, भाषा से जुड़े ऐडवांस लेवल के सवालों के जवाब देने के ऐडवांस कौशल की जांच करती है. इसके लिए, ग्रेड-स्कूल लेवल के कई विकल्प वाले विज्ञान के सवालों का इस्तेमाल किया जाता है.

0-शॉट

PIQA

PIQA बेंचमार्क की मदद से, रोज़मर्रा की शारीरिक बातचीत से जुड़े सवालों के जवाब देकर, भाषा के मॉडल की शारीरिक सामान्य ज्ञान को समझने और उसे लागू करने की क्षमता को परखा जाता है.

0-शॉट

SIQA

SIQA बेंचमार्क लोगों की कार्रवाइयों और उनके सामाजिक असर के बारे में सवाल पूछकर, किसी भाषा के मॉडल की सामाजिक इंटरैक्शन और सामाजिक आम समझ का आकलन करता है.

0-शॉट

Boolq

BoolQ बेंचमार्क, स्वाभाविक रूप से हां या नहीं में जवाब देने की भाषा के मॉडल की क्षमता का परीक्षण करता है. साथ ही, मॉडल की वास्तविक भाषा के प्राकृतिक भाषा अनुमान के टास्क करने की क्षमता की जांच करता है.

5-शॉट

TriviaQA

ट्रिवियाQA बेंचमार्क तीन बार सवाल-जवाब के साथ, पढ़ने और समझने की क्षमता की जांच करता है.

5-शॉट

NQ

NQ (सामान्य सवाल) मानदंड की मदद से, विकिपीडिया के सभी लेखों में जवाब ढूंढने और समझने की भाषा मॉडल की क्षमता का आकलन किया जाता है. इसमें, असल दुनिया में होने वाले सवालों के जवाब दिए जाते हैं.

पास@1

HumanEval

HumanEval बेंचमार्क, लैंग्वेज मॉडल के कोड जनरेट करने की क्षमताओं की जांच करता है. इसके लिए, यह आकलन किया जाता है कि इसके समाधान, प्रोग्रामिंग से जुड़ी समस्याओं के लिए फ़ंक्शनल यूनिट टेस्ट को पास करते हैं या नहीं.

3-शॉट

MBPP

MBPP मानदंड, Python प्रोग्रामिंग की बुनियादी समस्याओं को हल करने में भाषा मॉडल की क्षमता की जांच करता है. इसमें बुनियादी प्रोग्रामिंग सिद्धांतों और स्टैंडर्ड लाइब्रेरी के इस्तेमाल पर ध्यान दिया जाता है.

100%

75%

50%

25%

0%

100%

75%

50%

25%

0%

Gemma 1

2.5 अरब

42.3

Gemma 2

2.6 अरब

51.3

Mistral

7 अरब

62.5

लामा 3

8 अरब

66.6

Gemma 1

7 अरब

64.4

Gemma 2

9 अरब

71.3

Gemma 2

27 अरब

75.2

Gemma 1

2.5 अरब

48.5

Gemma 2

2.6 अरब

55.4

Mistral

7 अरब

60.5

लामा 3

8 अरब

59.2

Gemma 1

7 अरब

61.1

Gemma 2

9 अरब

68.4

Gemma 2

27 अरब

71.4

Gemma 1

2.5 अरब

15.1

Gemma 2

2.6 अरब

23.9

Mistral

7 अरब

39.6

लामा 3

8 अरब

45.7

Gemma 1

7 अरब

51.8

Gemma 2

9 अरब

68.6

Gemma 2

27 अरब

74.0

Gemma 1

2.5 अरब

24.2

Gemma 2

2.6 अरब

30.6

Mistral

7 अरब

44.0

लामा 3

8 अरब

45.9

Gemma 1

7 अरब

44.9

Gemma 2

9 अरब

52.8

Gemma 2

27 अरब

55.1

Gemma 1

2.5 अरब

35.2

Gemma 2

2.6 अरब

41.9

Mistral

7 अरब

56.0

लामा 3

8 अरब

61.1

Gemma 1

7 अरब

59.0

Gemma 2

9 अरब

68.2

Gemma 2

27 अरब

74.9

Gemma 1

2.5 अरब

48.5

Gemma 2

2.6 अरब

52.0

Mistral

7 अरब

63.8

लामा 3

8 अरब

58.4

Gemma 1

7 अरब

56.3

Gemma 2

9 अरब

69.4

Gemma 2

27 अरब

74.2

Gemma 1

2.5 अरब

66.8

Gemma 2

2.6 अरब

70.9

Mistral

7 अरब

78.5

लामा 3

8 अरब

76.1

Gemma 1

7 अरब

79.0

Gemma 2

9 अरब

80.6

Gemma 2

27 अरब

83.7

Gemma 1

2.5 अरब

71.7

Gemma 2

2.6 अरब

73.0

Mistral

7 अरब

83.0

लामा 3

8 अरब

82.0

Gemma 1

7 अरब

82.3

Gemma 2

9 अरब

81.9

Gemma 2

27 अरब

86.4

Gemma 1

2.5 अरब

11.8

Gemma 2

2.6 अरब

15.0

Mistral

7 अरब

12.7

Gemma 1

7 अरब

24.3

Gemma 2

9 अरब

36.6

Gemma 2

27 अरब

42.3

Gemma 1

2.5 अरब

73.2

Gemma 2

2.6 अरब

80.1

Mistral

7 अरब

80.5

Gemma 1

7 अरब

81.5

Gemma 2

9 अरब

88.0

Gemma 2

27 अरब

88.6

Gemma 1

2.5 अरब

77.3

Gemma 2

2.6 अरब

77.8

Mistral

7 अरब

82.2

Gemma 1

7 अरब

81.2

Gemma 2

9 अरब

81.7

Gemma 2

27 अरब

83.2

Gemma 1

2.5 अरब

49.7

Gemma 2

2.6 अरब

51.9

Mistral

7 अरब

47.0

Gemma 1

7 अरब

51.8

Gemma 2

9 अरब

53.4

Gemma 2

27 अरब

53.7

Gemma 1

2.5 अरब

69.4

Gemma 2

2.6 अरब

72.5

Mistral

7 अरब

83.2

Gemma 1

7 अरब

83.2

Gemma 2

9 अरब

84.2

Gemma 2

27 अरब

84.8

Gemma 1

2.5 अरब

53.2

Gemma 2

2.6 अरब

59.4

Mistral

7 अरब

62.5

Gemma 1

7 अरब

63.4

Gemma 2

9 अरब

76.6

Gemma 2

27 अरब

83.7

Gemma 1

2.5 अरब

12.5

Gemma 2

2.6 अरब

16.7

Mistral

7 अरब

23.2

Gemma 1

7 अरब

23.0

Gemma 2

9 अरब

29.2

Gemma 2

27 अरब

34.5

Gemma 1

2.5 अरब

22.0

Gemma 2

2.6 अरब

17.7

Mistral

7 अरब

26.2

Gemma 1

7 अरब

32.3

Gemma 2

9 अरब

40.2

Gemma 2

27 अरब

51.8

Gemma 1

2.5 अरब

29.2

Gemma 2

2.6 अरब

29.6

Mistral

7 अरब

40.2

Gemma 1

7 अरब

44.4

Gemma 2

9 अरब

52.4

Gemma 2

27 अरब

62.6

*ये पहले से ट्रेन किए गए मॉडल के मानदंड हैं. दूसरे तरीकों के साथ परफ़ॉर्मेंस की जानकारी पाने के लिए तकनीकी रिपोर्ट देखें.

तकनीकी रिपोर्ट पढ़ें

जेमा मॉडल फ़ैमिली

नई रिलीज़

Gemma 2

Gemma 2 में तीन नए, असरदार, और असरदार मॉडल उपलब्ध हैं. ये 2, 9, और 27 अरब पैरामीटर साइज़ में उपलब्ध हैं. ये सभी मॉडल पहले से मौजूद सुरक्षा सुविधाओं के साथ काम करते हैं.

शुरू करें

Gemma 1

जेमा मॉडल, लाइटवेट, टेक्स्ट-टू-टेक्स्ट, और सिर्फ़ डिकोडर वाले लार्ज लैंग्वेज मॉडल हैं. इन्हें टेक्स्ट, कोड, और गणित के कॉन्टेंट के बड़े डेटासेट की मदद से, नैचुरल लैंग्वेज प्रोसेसिंग से जुड़े कई कामों के लिए ट्रेनिंग दी गई है.

शुरू करें

RecurrentGemma

RecurrentGemma एक तकनीकी रूप से अलग मॉडल है, जो मेमोरी क्षमता को बेहतर बनाने के लिए बार-बार होने वाले न्यूरल नेटवर्क और लोकल अटेंशन का इस्तेमाल करता है.

शुरू करें

PaliGemma

PaliGemma, ओपन विज़न लैंग्वेज मॉडल है. यह PaLI-3 से प्रेरित है. इसमें, SigLIP और Gemma को इस्तेमाल किया गया है. इसे अलग-अलग भाषाओं में काम करने वाले अलग-अलग टास्क के लिए डिज़ाइन किया गया है.

शुरू करें

CodeGemma

पहले से ट्रेन किए गए हमारे मूल Gemma मॉडल की बुनियाद का इस्तेमाल करके, CodeGemma आपके लोकल कंप्यूटर के हिसाब से साइज़ में कोड जनरेट करने और उसे पूरा करने की बेहतरीन सुविधाएं उपलब्ध कराता है.

शुरू करें

हमारे टूल के बारे में जानें

ShieldGemma का आइकॉन
ShieldGemma
ShieldGemma, सुरक्षा से जुड़े कॉन्टेंट की कैटगरी तय करने वाले मॉडल का एक सुइट है, जो Gemma 2 पर बना है. इसका मकसद, एआई मॉडल के इनपुट और आउटपुट को फ़िल्टर करना और लोगों की सुरक्षा करना है.
जेमा स्कोप का आइकॉन
जेमा स्कोप
Gemma Scope की मदद से रिसर्च करने वाले लोगों को हमारे Gemma 2 मॉडल से जुड़े फ़ैसले लेने की प्रक्रिया में बेहिसाब पारदर्शिता मिलती है.

डेवलपर के लिए आसानी से सिखाने वाली गाइड

Kaggle का आइकॉन

Kaggle पर क्विकस्टार्ट के बारे में जानें

क्विकस्टार्ट, कोड के उदाहरण, और Gemma के बारे में चर्चा करने के लिए, Kaggle मॉडल पेज पर जाएं.

Kaggle में खोलें
Google Cloud का आइकॉन

Google Cloud पर ट्रेनिंग और डिप्लॉयमेंट

Gemma 2, Google Cloud पर सबसे अच्छी तरह काम करता है. यह मार्केट की सबसे बेहतरीन परफ़ॉर्मेंस के लिए एंड-टू-एंड TPU ऑप्टिमाइज़ेशन के साथ-साथ Vertex पर मालिकाना हक की कुल लागत के लिए है.

Vertex AI में खोलें
Google Colab का आइकॉन

Keras 3 के ज़रिए JAX की मदद से, कम रैंक का वर्शन आज़माएं

Keras 3 के ज़रिए अपनी पसंद के बैकएंड फ़्रेमवर्क के साथ, Gemma मॉडल को अपने यूनीक डोमेन और डेटा के हिसाब से अपनाएं.

Colab में खोलें
हमारे दस्तावेज़ में सभी क्विकस्टार्ट देखें सभी क्विकस्टार्ट देखें

पार्टनर के लिए आसानी से सीखें

गले हुए चेहरे का लोगो

गले लगाता चेहरा

जेमा मॉडल की मदद से, फ़ाइन ट्यून करने और अनुमान लगाने के टास्क के लिए, हगिंग फ़ेस ट्रांसफ़ॉर्मर और टीआरएल का इस्तेमाल करें.
NVIDIA का लोगो

NVIDIA

NVIDIA NeMo Framework के साथ Gemma के मॉडल को बेहतर बनाएं और उन्हें प्रोडक्शन के लिए TensorRT-LLM में एक्सपोर्ट करें.
NVIDIA का लोगो

LangChain

इस ट्यूटोरियल में, Gemma और LangChain इस्तेमाल करने का तरीका बताया गया है. ये काम Google Cloud या Colab के ज़रिए किए जा सकते हैं.
NVIDIA का लोगो

किसी भी पैमाने पर

इन दस्तावेज़ों में बताया गया है कि AnyScale Endpoint की मदद से, Gemma को पूरी तरह से मैनेज किए जा रहे एपीआई एंडपॉइंट के तौर पर कैसे इस्तेमाल किया जा सकता है.
NVIDIA का लोगो

MongoDB

इस लेख में बताया गया है कि फिर से हासिल करने की सुविधा देने वाले जनरेशन पाइपलाइन या सिस्टम में, Gemma को एक बुनियाद मॉडल के तौर पर कैसे इस्तेमाल किया जा सकता है.
NVIDIA का लोगो

वज़न और पूर्वाग्रह

सिलसिलेवार तरीके से दिए गए Google के जेमा मॉडल इस्तेमाल करके, W&B की Model Registry और लॉन्च टूल के बारे में पूरी जानकारी पाएं.

जेमा कुकबुक

Gemma की बेहतरीन रेसिपी और कई तरह के काम दिखाने वाली रेसिपी और उदाहरणों का कलेक्शन देखें. जैसे, PaliGemma के साथ इमेज कैप्शनिंग, CodeGemma की मदद से कोड जनरेट करना, और बेहतरीन जेमा मॉडल की मदद से चैटबॉट बनाना.

खाना बनाना

Gemma के मॉडल आज ही ऐक्सेस करें

Kaggle का लोगो

Kaggle मॉडल

Kaggle पर Gemma 2 के मॉडल ऐक्सेस करें
Vertex AI का लोगो

वर्टेक्स एआई मॉडल गार्डन

अपने डेटा से Gemma 2 को पसंद के मुताबिक़ बनाएँ
गले मिलते हुए चेहरे का लोगो

गले लगाने वाले चेहरे के मॉडल

Gemma को ऐक्सेस करें, उसे बेहतर बनाएं, और डिप्लॉय करें

ज़िम्मेदारी के साथ एआई का डेवलपमेंट

डिज़ाइन के हिसाब से ज़िम्मेदारी

गेम को बहुत ध्यान से चुने गए डेटा के आधार पर ट्रेनिंग दी जाती है. साथ ही, बेहतर सुरक्षा के लिए इसे तैयार किया जाता है. इससे Gemma मॉडल की मदद से, एआई को सुरक्षित और भरोसेमंद बनाने में मदद मिलती है.

मज़बूत और पारदर्शी आकलन

बेहतर आकलन और पारदर्शी रिपोर्टिंग से, मॉडल की सीमाओं के बारे में पता चलता है, ताकि इस्तेमाल के हर उदाहरण के लिए ज़िम्मेदार तरीका अपनाया जा सके.

ज़िम्मेदारी के साथ डेवलपमेंट को बढ़ावा देना

ज़िम्मेदार जनरेटिव एआई टूलकिट, डेवलपर को ज़िम्मेदारी के साथ एआई के इस्तेमाल के सबसे सही तरीके डिज़ाइन और लागू करने में मदद करता है.

ज़िम्मेदार जेन एआई टूलकिट के बारे में जानें
Google Cloud का आइकॉन

Google Cloud के लिए ऑप्टिमाइज़ किया गया

Google Cloud पर Gemma मॉडल की मदद से, मॉडल को अपनी ज़रूरत के हिसाब से कस्टमाइज़ किया जा सकता है. इसके लिए, Vertex AI के पूरी तरह से मैनेज किए गए टूल या GKE के खुद से मैनेज होने वाले टूल का इस्तेमाल किया जा सकता है. साथ ही, इसे ज़रूरत के हिसाब से और किफ़ायती एआई को ऑप्टिमाइज़ करने वाले इन्फ़्रास्ट्रक्चर के लिए डिप्लॉय किया जा सकता है.

Google Cloud ब्लॉग में ज़्यादा जानें

Google Cloud क्रेडिट की मदद से शिक्षा से जुड़ी रिसर्च को बढ़ावा देना

अकैडमिक रिसर्च प्रोग्राम में आवेदन करने की अवधि हाल ही में खत्म हुई है. इसके तहत, रिसर्च करने वाले लोगों को Google Cloud क्रेडिट दिया जाता है, ताकि वे जेमा मॉडल का इस्तेमाल करके, विज्ञान की नई खोजों पर काम कर सकें. हम इस पहल से होने वाले अभूतपूर्व शोध को देखने के लिए उत्साहित हैं.

आने वाले समय में, Google Cloud की मदद से अपनी रिसर्च को बेहतर बनाने से जुड़े अवसरों के बारे में जानने के लिए हमारे साथ बने रहें.

कम्यूनिटी से जुड़ें

मशीन लर्निंग मॉडल की कम्यूनिटी के अन्य लोगों से जुड़ें, उनके बारे में जानें, और अपनी जानकारी शेयर करें.

Kaggle

मॉडल कार्ड ऐक्सेस करें, इंटरैक्टिव नोटबुक एक्सप्लोर करें, और समुदाय की चर्चाओं में शामिल हों.

Kaggle का आइकॉन को दबाकर रखें Kaggle में शामिल हों

Discord

हमारे Google Developer Discord #gemma चैनल पर चैट करें, आइडिया शेयर करें, और तुरंत लोगों से जुड़ें.

Discord का आइकॉन को दबाकर रखें अभी चैट करें

ब्लॉग

डेवलपर के लिए, Google के एआई से जुड़ी सभी नई खबरें और कहानियां.

ब्लॉग का आइकॉन को दबाकर रखें ब्लॉग पर जाएं