本文主要是介绍谷歌最强开源大模型亮相！Gemini技术下放，笔记本就能跑，可商用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
明敏 发自 凹非寺
量子位 | 公众号 QbitAI
谷歌大模型，开源了！
一夜之间，Gemma系列正式上线，全面对外开放。
它采用Gemini同款技术架构，主打开源和轻量级，免费可用、模型权重开源、允许商用，同时笔记本可跑。
共有2B和7B两个版本，性能全面超越开源标杆Llama 2。
每种规模都有预训练和指令微调版本，可在Kaggle、Colab Notebook、Google Cloud中访问。
而且支持JAX、PyTorch和TensorFlow通过原生Keras 3.0进行推理和监督式微调（SFT），适应多种开发需求和环境。得益于对JAX的支持，它还能进行快速推理。
目前模型也同步上线Hugging Chat，可在线体验试玩。
发布几个小时里，Gemma火速成为圈内最热话题，成为议论焦点。
Keras作者François Chollet高呼：最强开源大模型，刚刚易主。
大神卡帕西第一时间赶来解析技术报告。
AI圈内大佬更是表示，谷歌做开源是明智之举啊。
网友们都很兴奋，已经有人开始问考虑推出更多语言版本吗？
还有人提出2B的规模，是不是意味着也能支持安卓/iOS本地推理？
多性能超越同规模开源模型
具体来看Gemma的技术报告。
在18个任务中，Gemma在11个任务上表现优于同规模优质开源模型。
Gemma包含两种规格。
7B版本参数量约78亿，面向GPU和TPU上的高效部署和开发，2B版本参数量约25亿，用于CPU和端侧应用程序。
它基于Transformer解码器架构，关键模型参数如下。
相比于基础Transformer，Gemma进行了一些升级。
7B版本使用多头注意力机制，2B版本使用多查询注意力机制。
在每一层中使用旋转位置嵌入代替绝对位置嵌入；使用GeGLU激活函数替代标准ReLU非线性。
同时对每一个子层的输入和输出都进行归一化。
Gemma 2B/7B分别使用了2T和6T token进行训练，主要来自网络文档、数学和代码，不过这些数据不是多模态的。
为了兼容，谷歌使用了Gemini的SentencePiece tokenizer子集，它可以分割数字，不删除额外的空格，并对未知token进行字节级编码。
大神卡帕西关注了Tokenizer部分，他表示，Gemma的tokenizer和Llama 2的不同，但和GPT一致。
François Chollet认为Gemma最大的特点是谷歌拥有SOTA级测试集过滤机制，这意味着基准数据能相当准确地反映了模型在实际环境中的表现。
谷歌也报告了Gemma在MMLU等基准上的表现。
最后，谷歌还强调了Gemma的安全隐私性能。
实验数据显示Gemma不会存储敏感数据，但可能会记住一些潜在隐私数据。不过报告表示这个数据可能因为工具原因有所误报。
网友已开始实测
开放以后不少网友已经上手实测Gemma。
有人反馈写代码的速度非常快。
关于技术细节的讨论也很多。
不少人关注到Gemma做到了“以小博大”，2B版本性能超越Mistral2 7B。
也有人觉得Gemma使用的数据量有点大……
但对于谷歌开放模型的态度，大家是一律拍手称赞。
通过几十个开源项目，每个人都有机会打败巨头。
现在压力再次给到“CloseAI”……
也有人猜测，按照两大巨头互掐的规律，OpenAI新大招可能就在路上了。
这篇关于谷歌最强开源大模型亮相！Gemini技术下放，笔记本就能跑，可商用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
