Google推最強開源模型Gemma!11項測試輾壓Llama、可跑在筆電上,厲害在哪?
Google推最強開源模型Gemma!11項測試輾壓Llama、可跑在筆電上,厲害在哪?

Google宣佈推出全球性能最強大、輕量級的開源模型系列——Gemma。

雖然 Gemini 是一個大型封閉式人工智慧模型,與 OpenAI 的 ChatGPT 直接競爭(而且幾乎一樣強大),但輕量級的 Gemma 可能適用於較小的任務,如簡單的聊天機器人或摘要。該模型共分為分為2B(20億參數)和7B(70億)兩種版本,2B版本甚至可直接在筆電上運行。

Google表示,Gemma採用與Gemini模型相同的研究和技術,由Google DeepMind和Google其他團隊開發,專為負責任的AI開發而打造。

Google聲稱,Gemma模型18個語言理解、推理、數學等關鍵基準測試中,有11個測試分數超越了Meta Llama-2等更大參數的開源模型。

平均分數方面,Gemma-7B的基準測試平均分高達56.4,遠超過Llama-13B(52.2)、Mistral-7B(54.0),成為目前全球最強大的開源模型。

Google和Alphabet公司CEO桑達爾·皮查伊(Sundar Pichai)表示,Gemma展示了強大的性能,從今天開始,該模型將在全球範圍內提供服務。

Gemma規模雖較小,可直接在單機筆電上運作!厲害在哪?

Gemma實現了跨裝置相容,可以在筆電、桌機、物聯網、移動裝置和雲端等多個主流裝置類型上運行,支援廣泛的AI功能。

雖然不如同門的 Gemini 強大,不過,Gemma在複雜性上的不足,可能會在速度和使用成本上得到彌補。儘管規模較小,但Google聲稱,Gemma 模型「在關鍵基準測試中明顯超越了更大的模型」,並且能夠直接在開發人員的筆電或桌上型電腦運行。這些模型將通過 Kaggle、Hugging Face、NVIDIA 的 NeMo 和Google的 Vertex AI 提供。

Gemma 進入開源生態系統的方式與 Gemini 的發佈方式截然不同。雖然開發者可以在 Gemini 的基礎上進行開發,但他們不是透過 API,就是在Google的 Vertex AI 平台上進行開發。Gemini 被認為是一種封閉的人工智慧模式。

Gemma能用在哪?價錢多少?

現在,透過將 Gemma 開源,在戰略上Google可以讓更多的人嘗試使用Google的人工智慧,而不是轉向對手。

無論組織規模、使用者數量和項目類型如何,這兩種尺寸的模型都將獲得商業許可。不過,與其他公司一樣,Google通常禁止將其模型用於武器開發項目等特定任務。

Gemma 還將提供「負責任的人工智慧工具包」,因為開放模型比 Gemini 等封閉系統更難設定防護措施。Google DeepMind 產品管理總監Warkentin 說,「由於開放模型的固有風險,公司對 Gemma 進行了更廣泛的重新設計」。

負責任的人工智慧工具包允許開發人員在項目中部署 Gemma 時建立自己的準則或停用詞列表。該工具包還包括一個模型偵錯工具,可讓使用者調查 Gemma 的行為並糾正問題。

Warkentin 表示,這些模型目前最適用於英語語言相關任務,希望能與社區合作,滿足英語任務以外的市場需求。

開發人員可以在 Kaggle 中免費使用 Gemma,首次使用Google雲的使用者可以獲得 300 美元的免費額度來使用模型。該公司表示,研究人員最多可申請 500000 美元的額度。

雖然目前還不清楚人們對 Gemma 這樣的小模型有多大需求,但其他人工智慧公司也推出了重量更輕的旗艦基礎模型。Meta 去年推出了 Llama 2 7B,這是 Llama 2 的最小迭代版本。 Gemini 本身也有幾種重量,包括 Gemini Nano、Gemini Pro 和 Gemini Ultra,Google最近宣佈推出速度更快的 Gemini 1.5,目前也是針對企業使用者和開發人員。

順便說一下,Gemma 的意思是寶石。

延伸閱讀:Gemini其實不是要幹掉ChatGPT!Google兵分三路想做什麼?AI大戰解析

本文授權轉載自:T客邦
責任編輯:蘇祐萱

關鍵字: #Google #AI
往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓