電子發(fā)燒友網(wǎng)報(bào)道（文/周凱揚(yáng)）在Sora把AI生成領(lǐng)域的視線全部吸引過去的這段時(shí)間里，谷歌卻依然在竭盡全力推進(jìn)新的生成模型發(fā)展。除了上周發(fā)布的下一代Gemini 1.5外，谷歌也在近日推出了一系列基于Gemini打造的開源模型Gemma。

谷歌加入AI模型開源陣營，Gemma橫空出世

根據(jù)谷歌的介紹，Gemma是由谷歌DeepMind以及其他團(tuán)隊(duì)開發(fā)，由Gemini啟發(fā)并采用了相同的研究與技術(shù)的輕量級模型。與之一起發(fā)布的還有全新的響應(yīng)式生成AI工具包，為利用Gemma創(chuàng)造更安全的AI應(yīng)用提供關(guān)鍵工具和指導(dǎo)。

從參數(shù)大小上來看，Gemma分為20億參數(shù)（Gemma 2B）和70億（Gemma 7B）參數(shù)兩個(gè)版本，且每個(gè)版本又有基礎(chǔ)版（預(yù)訓(xùn)練）和指令調(diào)整版兩個(gè)變體。其中70億參數(shù)的版本適合消費(fèi)級的GPU和TPU開發(fā)，而20億參數(shù)的版本可以用于CPU和端側(cè)應(yīng)用上。

在預(yù)訓(xùn)練數(shù)據(jù)上，Gemma 2B和7B分別采用了2T和6T的Token進(jìn)行訓(xùn)練，數(shù)據(jù)來源是以英文為主的網(wǎng)絡(luò)文檔、數(shù)學(xué)計(jì)算和代碼。需要注意的是，盡管其背后所采用的技術(shù)與Gemini類似，但這些模型并不屬于多模態(tài)模型，也并不適合用于追求極致的多語言任務(wù)性能。

在訓(xùn)練硬件上，谷歌采用了自研的TPUv5e，其中Gemma 7B用到了4096塊TPUv5e進(jìn)行訓(xùn)練，Gemma 2B用到了512塊TPUv5e進(jìn)行訓(xùn)練。

開源LLM混戰(zhàn)，Gemma 7B超越Llama-2 13B？

根據(jù)谷歌官方提供的數(shù)據(jù)，與Meta的Llama-2相比，Gemma 7B在多個(gè)項(xiàng)目上展現(xiàn)出了優(yōu)勢，比如大規(guī)模多任務(wù)語言理解（MMLU）、GSM8K和Math計(jì)算和HumanEval Python代碼生成等應(yīng)用上，都超過了Llama-2 7B，甚至不少超過了Llama-2 13B。

開源模型文本任務(wù)性能對比 / 谷歌

谷歌表示，與同等體量的開源模型對比，比如LLaMA-2和Mistral等，18項(xiàng)文字相關(guān)的任務(wù)中，Gemma能夠做到在11項(xiàng)任務(wù)中性能勝出，且平均性能得分占優(yōu)。

不過Gemma也并不是完全超越了Llama-2，從Huggingface給出的平均得分來看，Gemma 7B超過了同級別的Llama 2 7B，但還是低于LLama 2 70B Chat，不過考慮到這兩者之間的參數(shù)差異，也印證了Gemma 7B的強(qiáng)大。至于Gemma 2B，與同規(guī)格的其他優(yōu)秀開源LLM相比，比如PHI-2(2.7B)，也不存在優(yōu)勢。

作為一個(gè)輕量級的模型，Gemma也對跨設(shè)備兼容性做了優(yōu)化，可以在筆記本、PC、IoT設(shè)備、智能手機(jī)和云端運(yùn)行。谷歌也與英偉達(dá)達(dá)成合作，Gemma針對英偉達(dá)的GPU硬件進(jìn)行了優(yōu)化，無論是云端的AI GPU還是桌面端的RTX AI PC，都能享受Gemma帶來的性能。

寫在最后

盡管Gemma是谷歌首個(gè)大型的開源LLM，但這早已經(jīng)不是谷歌對開源AI社區(qū)做出的首個(gè)貢獻(xiàn)了，諸如Transformers, TensorFlow, BERT, T5, JAX, AlphaFold和AlphaCode等，可以說當(dāng)前AI能夠有如此繁榮的開發(fā)生態(tài)，谷歌做出了不少貢獻(xiàn)。無疑Gemma的出現(xiàn)，也會給AI開發(fā)生態(tài)帶來新的選擇。