Gemma Open Models

משפחה של מודלים חד-פעמיים קלילים ואומנותיים שפותחה מאותם מחקר וטכנולוגיה ששימשו ליצירת המודלים של Gemini.

שנתחיל?
סמל של 'אחריות בכל שלבי התכנון'

אחריות מובנית

המודלים האלה כוללים אמצעי בטיחות מקיפים, ומאפשרים להבטיח פתרונות AI אחראיים ואמינים באמצעות מערכי נתונים שנבחרו בקפידה ותהליך כוונון קפדני.

סמל של ביצועים ללא תחרות

ביצועים ללא תחרות ביחס לגודל

מודלים של Gemma משיגים תוצאות יוצאות מן הכלל ביחס למתחרים בגדלים 2B, 7B, 9B ו-27B.

מסגרת גמישה

מסגרת גמישה

ב-Keras 3.0 יש תאימות חלקה ל-JAX, ל-TensorFlow ול-PyTorch, שמאפשרת לכם לבחור בקלות מסגרות עבודה ולעבור ביניהן בהתאם למשימה.

חדש:
Gemma 2

Gemma 2 עוצבה מחדש כדי לספק ביצועים יוצאי דופן ויעילות שאין שני לה, והיא מבצעת אופטימיזציה להסקת מסקנות במהירות מסחררת בחומרה מגוונת.

רוצים לנסות את Gemma 2 ב-Google AI Studio?

5 שוטים

MMLU

מדד MMLU הוא בדיקה למדידת היקף הידע ויכולת פתרון הבעיות שמודלים גדולים של שפה צוברים במהלך ההדרכה המקדימות.

25 תמונות

ARC-C

מדד ARC-c הוא קבוצת משנה ממוקדת יותר של מערך הנתונים ARC-e, שמכילה רק שאלות שהאלגוריתמים הנפוצים (מבוססי אחזור ואירועים נלווים של מילים) לא הצליחו לענות עליהן נכון.

5-shot

GSM8K

נקודת ההשוואה GSM8K בוחן את היכולת של מודל שפה לפתור בעיות מתמטיות ברמת בית הספר של הכיתה, שמחייבות לעיתים קרובות שלבים מרובים.

3-5-shot

AGIEval

בעזרת מדד AGIEval אפשר לבדוק את האינטליגנציה הכללית של מודל שפה באמצעות שאלות שמבוססות על בחינות בעולם האמיתי שנועדו להעריך את היכולות האינטלקטואליות של בני אדם.

3-shot, CoT

BBH

נקודת ההשוואה BBH (BIG-Bench Hard) מתמקדת במשימות מעבר ליכולת של מודלי השפה הנוכחיים, ובודקת את הגבולות שלהן במגוון תחומים של הסקת מסקנות והבנה.

3 צילומים, F1

להתכופף

DROP הוא מדד למדידת הבנת הנקרא, שדורש חשיבה דיסקרטית על קטעים.

5 שוטים

Winogrande

בעזרת מדד Winogrande אפשר לבדוק את היכולת של מודל שפה לפתור משימות לא ברורות של מילוי החסר עם אפשרויות בינאריות, שדורשות חשיבה כללית לפי תחושת בטן.

10 צילומים

HellaSwag

בעזרת מדד HellaSwag אפשר לבדוק את היכולת של מודל שפה להבין וליישם את ההיגיון הבריא, על ידי בחירת הסיום הכי לוגי לסיפור.

4 שוטים

MATH

המדד MATH מעריך את היכולת של מודל שפה לפתור בעיות מילוליות מתמטיות מורכבות, שדורשות חשיבה, פתרון בעיות בכמה שלבים והבנה של מושגים מתמטיים.

0-shot

ARC-e

בעזרת מדד ARC-e אפשר לבדוק את היכולות המתקדמות של מודל שפה לענות על שאלות באמצעות שאלות אמריקאיות אמיתיות בנושאי מדע ברמת בית הספר היסודי.

0-shot

PIQA

נקודת ההשוואה של PIQA בודקת את היכולת של מודל שפה להבין וליישם ידע פיזיקלי באמצעות מענה על שאלות לגבי אינטראקציות פיזיות יומיומיות.

0-shot

SIQA

נקודת ההשוואה של SIQA בודקת את ההבנה של מודל שפה לגבי אינטראקציות חברתיות והיגיון חברתי, באמצעות שאילת שאלות לגבי פעולות של אנשים וההשלכות החברתיות שלהם.

0-shot

Boolq

נקודת ההשוואה ב-BolQ בודקת את היכולת של מודל שפה לענות על שאלות "כן" ו"לא" באופן טבעי, ובודקת את היכולת של המודלים לבצע משימות של הסקת מסקנות משפה טבעית בעולם האמיתי.

5 שוטים

TriviaQA

במדד הביצועים של TriviaQA נבדקות מיומנויות הבנת הנקרא באמצעות טריופל של שאלה-תשובה-הוכחה.

5-shot

NQ

נקודת ההשוואה ב-NQ (שאלות טבעיות) בודקת את היכולת של מודל שפה למצוא ולהבין תשובות בתוך מאמרים שלמים בוויקיפדיה, באמצעות הדמיית תרחישים של מענה לשאלות בעולם האמיתי.

Pass@1

HumanEval

נקודת ההשוואה של HumanEval בודקת את יכולות יצירת הקוד של מודל שפה מסוים על ידי הערכה אם הפתרונות שלו עוברים בדיקות יחידה פונקציונלית לבעיות תכנות.

3 שוטים

MBPP

במדד MBPP נבדקת היכולת של מודל שפה לפתור בעיות תכנות בסיסיות ב-Python, תוך התמקדות במושגי תכנות בסיסיים ובשימוש בספריות סטנדרטיות.

100%

75%

50%

25%

0%

100%

75%

50%

25%

0%

Gemma 1

2.5 מיליארד

42.3

Gemma 2

2.6 מיליארד

51.3

Mistral

7B

62.5

לאמה 3

8B

66.6

Gemma 1

7B

64.4

Gemma 2

9B

71.3

Gemma 2

27 מיליארד

75.2

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

55.4

Mistral

7B

60.5

לאמה 3

8B

59.2

Gemma 1

7B

61.1

Gemma 2

9B

68.4

Gemma 2

27 מיליארד

71.4

Gemma 1

2.5 מיליארד

15.1

Gemma 2

2.6 מיליארד

23.9

Mistral

7B

39.6

LLAMA 3

8B

45.7

Gemma 1

7B

51.8

Gemma 2

9 מיליארד

68.6

Gemma 2

27B

74.0

Gemma 1

2.5 מיליארד

24.2

Gemma 2

2.6 מיליארד

30.6

Mistral

7B

44.0

LLAMA 3

8B

45.9

Gemma 1

7B

44.9

Gemma 2

9 מיליארד

52.8

Gemma 2

27B

55.1

Gemma 1

2.5 מיליארד

35.2

Gemma 2

2.6 מיליארד

41.9

Mistral

7B

56.0

לאמה 3

8B

61.1

Gemma 1

7B

59.0

Gemma 2

9B

68.2

Gemma 2

27B

74.9

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

52.0

Mistral

7 מיליארד

63.8

לאמה 3

8B

58.4

Gemma 1

7B

56.3

Gemma 2

9 מיליארד

69.4

Gemma 2

27B

74.2

Gemma 1

2.5 מיליארד

66.8

Gemma 2

2.6 מיליארד

70.9

Mistral

7B

78.5

LLAMA 3

8B

76.1

Gemma 1

7B

79.0

Gemma 2

9B

80.6

Gemma 2

27B

83.7

Gemma 1

2.5 מיליארד

71.7

Gemma 2

2.6 מיליארד

73.0

Mistral

7B

83.0

לאמה 3

8B

82.0

Gemma 1

7B

82.3

Gemma 2

9 מיליארד

81.9

Gemma 2

27B

86.4

Gemma 1

2.5 מיליארד

11.8

Gemma 2

2.6 מיליארד

15.0

Mistral

7 מיליארד

12.7

Gemma 1

7 מיליארד

24.3

Gemma 2

9 מיליארד

36.6

Gemma 2

27B

42.3

Gemma 1

2.5 מיליארד

73.2

Gemma 2

2.6 מיליארד

80.1

Mistral

7B

80.5

Gemma 1

7B

81.5

Gemma 2

9 מיליארד

88.0

Gemma 2

27 מיליארד

88.6

Gemma 1

2.5 מיליארד

77.3

Gemma 2

2.6 מיליארד

77.8

Mistral

7B

82.2

Gemma 1

7B

81.2

Gemma 2

9B

81.7

Gemma 2

27B

83.2

Gemma 1

2.5 מיליארד

49.7

Gemma 2

2.6 מיליארד

51.9

Mistral

7B

47.0

Gemma 1

7B

51.8

Gemma 2

9B

53.4

Gemma 2

27B

53.7

Gemma 1

2.5 מיליארד

69.4

Gemma 2

2.6 מיליארד

72.5

Mistral

7B

83.2

Gemma 1

7B

83.2

Gemma 2

9B

84.2

Gemma 2

27B

84.8

Gemma 1

2.5 מיליארד

53.2

Gemma 2

2.6 מיליארד

59.4

Mistral

7B

62.5

Gemma 1

7B

63.4

Gemma 2

9B

76.6

Gemma 2

27B

83.7

Gemma 1

2.5 מיליארד

12.5

Gemma 2

2.6 מיליארד

16.7

Mistral

7B

23.2

Gemma 1

7B

23.0

Gemma 2

9B

29.2

Gemma 2

27B

34.5

Gemma 1

2.5 מיליארד

22.0

Gemma 2

2.6 מיליארד

17.7

Mistral

7B

26.2

Gemma 1

7B

32.3

Gemma 2

9 מיליארד

40.2

Gemma 2

27 מיליארד

51.8

Gemma 1

2.5 מיליארד

29.2

Gemma 2

2.6 מיליארד

29.6

Mistral

7 מיליארד

40.2

Gemma 1

7B

44.4

Gemma 2

9 מיליארד

52.4

Gemma 2

27B

62.6

*אלה מדדי העזר של המודלים שהוכשרו מראש. בדוח הטכני מפורטים פרטים על הביצועים בשיטות אחרות.

לקריאת הדוח הטכני

משפחת הדגמים Gemma

פריט חדש

Gemma 2

ב-Gemma 2 יש שלושה מודלים חדשים, עוצמתיים ויעילים שזמינים בגדלים של 2, 9 ו-27 מיליארד פרמטרים, שכולם כוללים אמצעים מובנים לשמירה על הבטיחות.

תחילת העבודה עם חיבוק פנים תחילת העבודה עם Kaggle

פריט חדש

DataGemma

DataGemma הם המודלים הפתוחים הראשונים שנועדו לחבר מודלים של LLM לנתונים נרחבים מהעולם האמיתי, שנאספים מ-Data Commons של Google.

תחילת העבודה עם Kaggle

Gemma 1

מודלים של Gemma הם מודלים גדולים של שפה (LLM) קלים, מסוג 'טקסט לטקסט' ומפענח בלבד, שמתאימים למגוון משימות של עיבוד שפה טבעית. הם מאומנים על מערך נתונים עצום של טקסט, קוד ותוכן מתמטי.

תחילת העבודה ב-Kaggle

RecurrentGemma

RecurrentGemma הוא מודל ייחודי מבחינה טכנית שמשתמש ברשתות נוירונים חוזרות ובתשומת לב מקומית כדי לשפר את יעילות הזיכרון.

תחילת העבודה עם Kaggle

PaliGemma

PaliGemma הוא מודל פתוח של שפה-ראייה בהשראת PaLI-3, שמשתמש ב-SigLIP וב-Gemma. המודל תוכנן כמודל גמיש להעברה למגוון רחב של משימות שפה-ראייה.

תחילת העבודה עם Kaggle

CodeGemma

CodeGemma מבוסס על היסודות של המודלים המקוריים של Gemma שהותאמו מראש, ומציע יכולות חזקות של השלמה ויצירה של קוד בגדלים שמתאימים למחשב המקומי.

תחילת העבודה ב-Kaggle

סקירה כללית על הכלים שלנו

סמל ShieldGemma
ShieldGemma
ShieldGemma היא חבילה של מודלים לסיווג תוכן בטיחותי שמבוססים על Gemma 2, שמטרתם לסנן את הקלט והפלט של מודלים של AI ולשמור על בטיחות המשתמשים.
הסמל של Gemma Scope
היקף Gemma
Gemma Scope מספק לחוקרים שקיפות חסרת תקדים לגבי תהליכי קבלת ההחלטות של המודלים של Gemma 2.

מדריכים למתחילים למפתחים

הסמל של Kaggle

מדריכים למתחילים ב-Kaggle

בדף Kaggle Models אפשר למצוא מדריכים למתחילים, דוגמאות לקודים ודיונים בנושא Gemma.

פתיחה ב-Kaggle
סמל הענן של Google

אימון ופריסה ב-Google Cloud

Gemma 2 עובד בצורה הטובה ביותר ב-Google Cloud, עם אופטימיזציה מקצה לקצה של TPU לביצועים המובילים בשוק והעלות הכוללת של הבעלות ב-Vertex.

פתיחה ב-Vertex AI
הסמל של Google Colab

כדאי לנסות התאמה ברמה נמוכה באמצעות JAX דרך Keras 3

התאמה של המודלים של Gemma לדומיין ולנתונים הייחודיים שלכם באמצעות מסגרת הקצה העורפי שבחרתם באמצעות Keras 3.

פתיחה ב-Colab
לצפייה בכל המדריכים למתחילים במסמכי התיעוד שלנו לצפייה בכל המדריכים למתחילים

מדריכים למתחילים לשותפים

הלוגו של פרצוף מחבק

פרצוף מחבק

שימוש ב-Hugging Face Transformers וב-TRL לצורך כוונון ותובנות עם מודלים של Gemma.
הלוגו של NVIDIA

NVIDIA

שיפור מודלים של Gemma באמצעות NVIDIA NeMo Framework וייצוא ל-TensorRT-LLM בסביבת ייצור.
הלוגו של NVIDIA

LangChain

במדריך הזה תלמדו איך להתחיל להשתמש ב-Gemma וב-LangChain, שפועלים ב-Google Cloud או בסביבת Colab.
הלוגו של NVIDIA

Anyscale

במסמכים האלה מוסבר איך להשתמש ב-Gemma דרך Anyscale Endpoint כנקודות קצה של API מנוהלות לחלוטין.
הלוגו של NVIDIA

MongoDB

במאמר הזה נסביר איך להשתמש ב-Gemma כמודל היסוד בצינור עיבוד נתונים או במערכת ליצירת טקסט עם שיפור אחזור.
הלוגו של NVIDIA

משקולות ותופעות עיוות

דוגמה מפורטת לשימוש בכלי הרשמה וההשקה של W&B באמצעות מודלים של Gemma מבית Google.

המתכונים שלי ל-Gemma

בואו לעיין באוסף מתכונים מעשיים ודוגמאות שמציגים את הכוח והמגוון של השימוש ב-Gemma למשימות כמו הוספת כיתוב לתמונה באמצעות PaliGemma, יצירת קוד באמצעות CodeGemma ובניית צ'אט בוטים עם מודלים עדינים של Gemma.

מתחילים לבשל

גישה למודלים של Gemma כבר היום

הלוגו של Kaggle

מודלים של Kaggle

גישה למודלים של Gemma 2 ב-Kaggle
הלוגו של Vertex AI

Vertex AI Model Garden

התאמה אישית של Gemma 2 באמצעות הנתונים שלך
לוגו של פרצוף מחבק

מודלים של פנים מחבקות

גישה ל-Gemma, שינוי והטמעה שלו

פיתוח אחראי של AI

אחריות במרכז

המודלים עוברים אימון מראש על נתונים שנאספו בקפידה, ומכווננים לשמירה על בטיחות. כך אפשר לפתח AI בטוח ואחראי על סמך מודלים של Gemma.

בדיקה חזקה ושקופה

הערכות מקיפות ודוחות שקופים חושפים את המגבלות של המודלים, כדי שתוכלו לנקוט גישה אחראית לכל תרחיש לדוגמה.

פיתוח אחראי

ערכת הכלים האחריות של בינה מלאכותית גנרטיבית תומכת במפתחים לפתח ולהטמיע שיטות מומלצות לשמירה על בינה מלאכותית (AI).

הצגת ערכת הכלים לשימוש אחראי ב-AI גנרטיבי
סמל Google Cloud

מותאמים ל-Google Cloud

בעזרת מודלים של Gemma ב-Google Cloud, אפשר להתאים אישית את המודל בצורה יסודית לצרכים הספציפיים שלכם באמצעות הכלים המנוהלים במלואם של Vertex AI או האפשרות העצמאית של GKE, ולפרוס אותו בתשתית גמישה וחסכונית שמותאמת ל-AI.

למידע נוסף בבלוג של Google Cloud

האצת המחקר האקדמי באמצעות קרדיטים ב-Google Cloud

תוכנית המחקר האקדמי סיימה לאחרונה את תקופת היישום שלה והעניקה קרדיטים ל-Google Cloud כדי לתמוך בחוקרים שפורצים את גבולות הגילוי המדעי באמצעות מודלים של Gemma. אנחנו שמחים לראות את המחקר הפורץ דרך שייצא מהיוזמה הזו.

כדאי לעקוב אחרי ההזדמנויות העתידיות לשיפור המחקר שלכם באמצעות Google Cloud.

הצטרפות לקהילה

קהילת המודלים של למידת המכונה מאפשרת לכם להתחבר לאנשים אחרים, ללמוד מהם ולשתף את הידע שלכם.

Kaggle

גישה לכרטיס המודל, עיון במסמכים אינטראקטיביים והצטרפות לדיוני הקהילה.

סמל של Kaggle להצטרפות ל-Kaggle

Discord

מתכתבים בצ'אט, משתפים רעיונות ויוצרים קשרים מיידיים בערוץ Google Developer Discord #gemma.

סמל Discord לצ'אט עכשיו

בלוג

כל החדשות והסיפורים המקיפים ביותר על טכנולוגיית ה-AI מבית Google למפתחים.

סמל הבלוג כניסה לבלוג