Uuden sukupolven Gemma 4 tekoäly ottaa käyttöön Apache 2.0 -lisenssin paikallisissa laitteissa

Gemma 4

Gemma 4 - Google

Maailman käytetyimmästä hakukoneesta vastaava teknologiajätti on tuonut saataville uuden kehittäjille ja tutkijoille suunnatun avoimen lähdekoodin kielimalliperheen. Tuore päivitys tuo työkaluja, jotka tukevat tekstin, äänen ja kuvan syöttöä, kontekstiikkunoilla, jotka saavuttavat 256 000 merkkiä vahvimmissa versioissa. Tämän sukupolven tärkein erottuva tekijä on aiempien kaupallisten rajoitusten poistaminen, jolloin yritykset voivat käyttää teknologiaa vapaammin omilla laitteillaan palvelimista matkapuhelimiin.

Muutos kaupallisen käytön ohjeisiin

Uuden lisenssimuodon käyttöönotto poistaa esteet, jotka olivat olemassa työkalun aiemmissa versioissa. Kehittäjät voivat nyt paremmin hallita käsiteltyä dataa ja kaupallisia käyttöönottoja ilman, että heidän tarvitsee noudattaa kiellettyä käyttöä koskevia käytäntöjä, joita järjestelmän luoja voi yksipuolisesti päivittää.

Tämän rakennemuutoksen tarkoituksena on kannustaa uusien hankkeiden luomiseen ohjelmointiyhteisössä. Keskittyminen offline-suoritukseen vahvistaa strategiaa tarjota avoimia ja joustavia vaihtoehtoja, jolloin startupit ja suuret yritykset voivat integroida teknologiaa ilman toistuvia sovellusohjelmointirajapintakustannuksia.

Loogisen päättelyn tekninen kehitys

Uudet järjestelmät parantavat merkittävästi kykyä ratkaista matemaattisia ongelmia ja noudattaa monimutkaisia ​​ohjeita. Päivitetty arkkitehtuuri sisältää natiivituen toimintokutsuille ja strukturoidun tulosteen luomiseen tietyissä tietomuodoissa, mikä optimoi autonomisten agenttien työnkulun.

Ohjelmointikoodin prosessointikapasiteettia on myös paranneltu toimimaan kunnolla ympäristöissä, joissa ei ole Internet-yhteyttä. Näissä olosuhteissa saavutettu suorituskyky on lähellä yksinomaan pilvikäsittelyyn tukeutuvien tiedustelupalvelujen tuloksia.

Multimodaalinen tiedonkäsittely

Perinteisen tekstin tulkinnan lisäksi uusi sukupolvi käsittelee äänitiedostoja ja kuvia natiivisti. Puheentunnistusjärjestelmä on ylivoimainen tarkkuus verrattuna edellisenä vuonna lanseerattuihin malleihin, mikä helpottaa äänikomentojen transkriptiota ja analysointia reaaliajassa.

Visuaalisen syötteen tuen avulla voit suorittaa edistyneitä tehtäviä, kuten optista merkintunnistusta skannatuissa asiakirjoissa. Työkalu pystyy myös tulkitsemaan monimutkaisia ​​kaavioita ja taulukoita ja poimimaan asiaankuuluvaa dataa yrityssektorin vaatimuksia vastaavalla tarkkuudella.

Näiden eri syöttömenetelmien yhdistelmä avaa joukon mahdollisuuksia interaktiivisten sovellusten luomiseen. Kehittäjät voivat jäsentää ratkaisuja, jotka analysoivat samanaikaisesti, mitä käyttäjä sanoo ja mitä laitteen kamera tallentaa, prosessoimalla kaiken lähettämättä tietoja ulkoisille palvelimille.

Koko- ja tehovaihtoehdot

Malliperhe on jaettu neljään pääkokoonpanoon vastaamaan erilaisia ​​laitteistotarpeita. Vahvemmat versiot, jotka tunnetaan nimellä Experts ja Dense, tunnetaan nimellä Mixture ja Dense, ja ne on suunnattu tehokkaille palvelimille ja ammattikäyttöön tarkoitetuille työasemille, jotka käsittelevät massiivista tiedonkäsittelyä.

Toisaalta kevyemmät versiot on suunniteltu erityisesti energiatehokkuuden priorisoimiseksi. Esses pienemmät mallit sopivat ihanteellisesti ajettavaksi verkon reunalla eli suoraan loppukäyttäjien laitteilla minimoiden akun kulutuksen ja ulkoisen käsittelyn tarpeen.

Asiantunteva arkkitehtuuripohjainen versio aktivoi vain murto-osan miljardeista parametreistaan ​​päättelyprosessin aikana. Essa tekninen lähestymistapa vähentää dramaattisesti vasteen latenssia ja energiankulutusta säilyttäen samalla kyvyn ymmärtää ja luoda tekstejä yli sadalla neljälläkymmenellä eri kielellä.

Täydelliset tiedostot hermoverkkojen painotuksella julkaistaan ​​nyt julkisesti. Profissionais teknologia-alueelta voi heti ladata materiaalia tunnetuille koneoppimiseen keskittyneille koodin isännöintialustoille ja arkistoihin.

Optimointi mobiililaitteille

Kompaktit versiot kehitettiin yhteistyössä tärkeimpien mobiililaitteiden prosessorien valmistajien kanssa globaaleilla markkinoilla. Essa Tekninen yhteistyö johti järjestelmiin, jotka pystyvät toimittamaan vastauksia käytännössä nollaviiveellä arkipäivän tehtävissä, kuten simultaanikäännöksessä ja pitkien tekstien yhteenvedossa. Käytännön testit osoittavat, että tekniikka säilyttää vakaan suorituskyvyn myös edullisilla kehityskorteilla ja yksilevyisillä tietokoneilla, joita käytetään laajalti koulutus- ja teollisuusprojekteissa.

Tehokkuuden ylläpitäminen eri laitteistokokoonpanoissa on merkittävä käytännön hyöty sovellusekosysteemille. Paikallisen käsittelyn vasteajan lyhentäminen on kriittistä korkeaa yksityisyyttä vaativille palveluille, kuten terveydenhuolto- ja rahoitussovelluksille. Käsittelemällä tietoja suoraan käyttäjän laitteessa teknologia eliminoi arkaluontoisten tietojen siirtämiseen liittyvät riskit Internetissä ja varmistaa, että henkilötiedot pysyvät suojassa kolmansien osapuolien sieppaukselta.

Integroituminen kehitysekosysteemiin

Työkalujen välitön saatavuus virallisilla alustoilla helpottaa tutkijoiden ja ohjelmistosuunnittelijoiden pääsyä uusiin tekoälytekniikoihin. Suuremman kapasiteetin malleja voidaan testata ja ottaa käyttöön pilvikehitysstudioiden kautta, kun taas mobiilioptimoidut versiot ovat omistetuissa gallerioissa reunakäsittelyä varten. Yritykset, jotka haluavat modernisoida sisäisiä järjestelmiään, voivat integroida nämä ratkaisut paikallisiin infrastruktuureihinsa ilman, että heidän tarvitsee maksaa kuukausittaisista kuluista kolmannen osapuolen käyttöliittymien käytöstä. Lisäksi kevyempien varianttien arkkitehtuuri toimii perustavanlaatuisena perustana tuleville mobiilikäyttöjärjestelmien päivityksille, mikä osoittaa selkeän trendin, että generatiivisesta tekoälystä tulee vakiona ja kaikkialla esiintyvä komponentti matkapuhelimissa, jotka tulevat markkinoille tulevina vuosina ja muuttavat käyttäjien tapaa käyttää laitteitaan päivittäin.

Avoimen tekoälyn käytön laajentaminen

Paremman suorituskyvyn yhdistäminen sallivaan lisensointiin laajentaa teknologiasektorin vaihtoehtoja. Siirtyminen paikallisesti suoritettaviin avoimen lähdekoodin malleihin vahvistaa kehittäjien riippumattomuutta ja edistää monipuolisemman digitaalisen ympäristön luomista, jossa innovaatiot eivät nojaudu yksinomaan suuriin pilvilaskentainfrastruktuureihin.