
Gemma 是由 Google DeepMind 开发的一系列开源模型。Gemma 4 模型具备多模态能力,可处理文本和图像输入,并生成文本输出, 支持最多 256K 个 token的上下文窗口,并保持对 140 多种语言的多语言支持,同时提供稠密(Dense)架构和混合专家(Mixture-of-Experts, MoE)架构,适用于文本生成、代码编写和推理等任务。
关键能力与架构改进
-
推理能力:系列中所有模型均设计为高性能推理器,并支持可配置的思维模式。
-
扩展的多模态支持:支持文本、图像、视频以及音频。
-
多样化且高效的架构:提供不同规模的Dense和MoE变体,便于按需扩展部署。
-
更大的上下文窗口:小型模型支持128K上下文窗口,中型模型则支持256K。
-
增强的代码与智能体能力:在代码基准测试中表现显著提升,并原生支持函数调用,赋能强大的自主智能体。
-
原生系统提示支持:Gemma 4原生支持
system角色,实现更结构化、可控的对话。
核心能力
- 推理(Thinking):内置推理模式,使模型能在回答前逐步思考。
- 长上下文:上下文窗口最长可达 128K tokens 和 256K tokens。
- 图像理解:支持目标检测、文档/PDF 解析、屏幕与 UI 理解、图表理解、OCR、手写识别以及指代定位。图像可按可变宽高比和分辨率处理。
- 视频理解:通过处理帧序列来分析视频。
- 交错多模态输入:在单个提示中自由混合文本和图像,顺序不限。
- 函数调用:原生支持结构化工具调用,实现智能体工作流。
- 代码能力:支持代码生成、补全和修正。
- 多语言:开箱即用支持 35+ 种语言,预训练语料涵盖 140+ 种语言。
- 音频:支持自动语音识别及多语言语音到翻译文本的转换。
适用场景
-
文本生成:这些模型可用于生成创意文本格式,例如诗歌、剧本、代码、营销文案和电子邮件草稿。
- 聊天机器人与对话式 AI:为客服、虚拟助手或交互式应用程序提供对话界面支持。
- 文本摘要:生成文本语料库、研究论文或报告的简洁摘要。
- 图像数据提取:这些模型可用于提取、解读和总结视觉数据,以用于文本通信。
- 音频处理与交互:分析和解读音频输入,实现语音驱动的交互和转录功能。
- NLP与VLM研究:这些模型可作为研究人员实验 VLM 和 NLP 技术、开发算法并推动该领域进步的基础。
- 语言学习工具:支持交互式语言学习体验,辅助语法纠正或提供写作练习。
- 知识探索:通过生成摘要或回答特定主题的问题,协助研究人员探索大量文本资料。
🤗 HuggingFace:https://huggingface.co/google/gemma-4-12B-it
【Google/Gemma-4-Unified-12B-it】模型已经在趋动云『社区项目』上线,无需自己创建环境、下载模型,一键即可快速部署,快来体验【Google/Gemma-4-Unified-12B-it】带来的精彩体验吧!
项目入口
https://open.virtaicloud.com/web/project/detail/732855980610412544
视频教程
启动开发环境
进入【Google/Gemma-4-Unified-12B-it】项目主页中,点击运行一下,将项目一键克隆至工作空间,『社区项目』推荐适用的算力规格,可以直接立即运行,省去个人下载数据、模型和计算算力的大量准备时间。

配置完成,点击进入开发环境,根据主页项目介绍进行部署。

使用方法
在gemini/code中找到使用说明,选中四、使用说明单元格,点击运行。

等待生成local URL,右侧添加端口7860。

项目使用方法

示例展示



➫温馨提示: 完成项目后,记得及时关闭开发环境,以免继续产生费用!
284



被折叠的 条评论
为什么被折叠?



